The role of amyloid and tau biomarkers in assessing the effectiveness of drug treatment for Alzheimer’s disease.
Notice bibliographique
Résumé
This study aimed to explore the role of amyloid and tau biomark-ers in evaluating the effectiveness of drug therapy for Alzheimer’s disease (AD). A retrospective analysis was performed in 150 AD patients admitted to our hospital from October 2022 to January 2024, and 50 healthy people were selected as the control group. The basic information of patients, including cognitive function and daily living ability, as well as amyloid and tau biomarkers, was compared between the two groups. AD patients were treated with donepezil hydrochloride and memantine tablets, and were divided into valid and invalid groups based on efficacy. Binary logis-tic regression analysis was used to identify factors affecting the effectiveness of AD drug treatment, with the predictive accuracy being assessed using ROC curves.This study revealed that compared with the control group, the MMSE (Mini-Mental State Examination), MoCA (Montreal Cognitive Assessment), and Aβ1-42 in the AD group decreased, while T-tau and P-Tau-181 increased (p<0.05). Drug treatment was con-sidered effective in 107 out of 150 AD patients. Education years, daily exercise, Aβ1-42, T-tau, and P-Tau-181 are all factors that affect the effectiveness of AD drug treatment. The changes in serum levels of Aβ1-42, T-tau, and P-Tau-181 can all be used to evaluate the effectiveness of AD drug treatment, with AUC values of 0.869, 0.815, and 0.800, respectively. The combined evaluation of the three factors has an AUC of 0.977. Drug therapy can improve the clinical efficacy of most AD patients. The years of education, exercise, Aβ1-42, T-tau and P-Tau-181 are the influencing factors of the efficacy of AD drug treatment. The efficacy of AD drug treatment can be evaluated by detecting the changes of serum Aβ1-42, T-tau and P-Tau-181 levels in clinical practice, and the combined evaluation value of the three is higher than the individual values.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».