MétaCan
Menu
Retour à la cohorte
Enregistrement W6945726401 · doi:10.25384/sage.c.6316222

Kinetic evaluation and assessment of longitudinal changes in reference region and extracerebral [<sup>18</sup>F]MK-6240 PET uptake

2022· other· en· W6945726401 sur OpenAlexaff

Notice bibliographique

RevueSage Journals Data · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésPonsWhite matterKinetic energyKineticsLongitudinal studyReference values

Résumé

récupéré en direct d'OpenAlex

[18F]MK-6240 meningeal/extracerebral off-target binding may impact tau quantification. We examined the kinetics and longitudinal changes of extracerebral and reference regions. [18F]MK-6240 PET was performed in 24 cognitively-normal and eight cognitively-impaired subjects, with arterial samples in 13 subjects. Follow-up scans at 6.1 ± 0.5 (n = 25) and 13.3 ± 0.9 (n = 16) months were acquired. Extracerebral and reference region (cerebellar gray matter (CerGM)-based, cerebral white matter (WM), pons) uptake were evaluated using standardized uptake values (SUV90-110), spectral analysis, and distribution volume. Longitudinal changes in SUV90-110 were examined. The impact of reference region on target region outcomes, partial volume correction (PVC) and regional erosion were evaluated. Eroded WM and pons showed lower variability, lower extracerebral contamination, and lower longitudinal changes than CerGM-based regions. CerGM-based regions resulted larger cross-sectional effect sizes for group differentiation. Extracerebral signal was high in 50% of subjects and exhibited irreversible kinetics and nonsignificant longitudinal changes over one-year but was highly variable at subject-level. PVC resulted in higher variability in reference region uptake and longitudinal changes. Our results suggest that eroded CerGM may be preferred for cross-sectional, whilst eroded WM or pons may be preferred for longitudinal [18F]MK-6240 studies. For CerGM, erosion was necessary (preferred over PVC) to address the heterogenous nature of extracerebral signal.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,211
Tête enseignante GPT0,411
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSage Journals DataTravaux en français237 207