Identifying a combination of biomarkers to predict treatment response to nabilone for agitation in Alzheimer’s disease – an exploratory <i>post hoc</i> analysis
Notice bibliographique
Résumé
Background To identify if a combination of blood-based biomarkers related to inflammation and oxidative stress predict treatment response to nabilone for Alzheimer’s disease (AD)-associated agitation.Research design and methods Agitation was assessed using the Cohen-Mansfield Agitation Inventory (CMAI). Serum concentrations of 13 markers were quantified. Univariable and multivariable regression were used to determine differences in CMAI change given nabilone and placebo. A model combining biomarkers with clinical predictors was also evaluated.Results Overall, 38 participants enrolled in the original trial (76% male, mean ± SD age 87 ± 10). Nabilone was more efficacious in participants with higher IL-6, higher 8-ISO, higher 24S-OHC, and lower clusterin. Participants in the first tertile (T1) of index scores demonstrated better response to nabilone compared to placebo with a mean difference in CMAI change of −20.6 (95%CI: −30.3, −10.4). During the nabilone phase, 83% of participants in T1 were responders versus 38% in T2 + 3 (Fisher’s p = .01). In the combined model, T1 showed better response to nabilone with a mean difference in CMAI change of −26.4 (95%CI: −34.0, −19.6). The proportion of responders was significantly higher in T1 (91%, n = 11) compared to T2 + 3 (32%, n = 19) (Fisher’s p = .002).Conclusion A combination of biomarkers could help characterize responders and non-responders to nabilone.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».