Estimating Dementia Onset: AT(N) Profiles and Predictive Modeling in Mild Cognitive Impairment Patients
Notice bibliographique
Résumé
Background: Mild Cognitive Impairment (MCI) usually precedes the symptomatic phase of dementia and constitutes a window of opportunities for preventive therapies. Objectives: The objective of this study was to predict the time an MCI patient has left to reach dementia and obtain the most likely natural history in the progression of MCI towards dementia. Methods: This study was conducted on 633 MCI patients and 145 subjects with dementia through 4726 visits over 15 years from Alzheimer Disease Neuroimaging Initiative (ADNI) cohort. A combination of data from AT(N) profiles at baseline and longitudinal predictive modeling was applied. A data-driven approach was proposed for categorical diagnosis prediction and timeline estimation of cognitive decline progression, which combined supervised and unsupervised learning techniques. Results: A reduced vector of only neuropsychological measures was selected for training the models. At baseline, this approach had high performance in detecting subjects at high risk of converting from MCI to dementia in the coming years. Furthermore, a Disease Progression Model (DPM) was built and also verified using three metrics. As a result of the DPM focused on the studied population, it was inferred that amyloid pathology (A+) appears about 7 years before dementia, and tau pathology (T+) and neurodegeneration (N+) occur almost simultaneously, between 3 and 4 years before dementia. In addition, MCI-A+ subjects were shown to progress more rapidly to dementia compared to MCI-A- subjects. Conclusion Based on proposed natural histories and cross-sectional and longitudinal analysis of AD markers, the results indicated that only a single cerebrospinal fluid sample is necessary during the prodromal phase of AD. Prediction from MCI into dementia and its timeline can be achieved exclusively through neuropsychological measures.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».