Identifying a combination of biomarkers to predict treatment response to nabilone for agitation in Alzheimer’s disease – an exploratory <i>post hoc</i> analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle