MétaCan
Menu
← Retour à la cohorte
Enregistrement W7116857063 · doi:10.1002/alz70861_108520

Comparison of plasma biomarkers measured on a fully automated instrument versus CSF biomarkers for detecting Alzheimer’s disease pathology

2025· article· en· W7116857063 sur OpenAlexaff
Noëlle Warmenhoven, Alexa Pichet Binette, Lyduine E. Collij, S Janelidze, Niklas Mattsson‐Carlgren, Rik Ossenkoppele, Pontus Tideman, Alzheimer's Disease Neuroimaging Initiative, Nicholas J. Ashton, H. Zetterberg, Kaj Blennow, Erik Stomrud, Gemma Salvadó, Oskar H. Hansson, S. Palmqvist

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensUniversité de MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesnon disponible
Mots-clésDiseaseBiomarkerPlasma levelsDiagnostic accuracy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As fully automated instruments for plasma biomarkers for Alzheimer's disease (AD) are being implemented in specialist clinics, many are questioning whether they can be used interchangeably with, or as substitutes for, gold-standard cerebrospinal fluid (CSF) biomarkers. We aimed to compare fully automated Lumipulse plasma assays that are under FDA evaluation with FDA-approved CSF assays. METHOD: We included patients with subjective cognitive decline, mild cognitive impairment, and dementia from the BioFINDER-Memory Clinic (n =122), BioFINDER-Primary Care (n =169) and ADNI (n =165) cohorts, in which plasma p -tau217 and plasma Aβ42 were measured with Lumipulse assays (Table 1). Plasma biomarkers were compared with CSF Aβ42/Aβ40 (Lumipulse) in the BioFINDER cohorts and CSF p -tau181/Aβ42 (Elecsys) in ADNI. Previously published one- and two-cutoff approaches were used for the biomarkers. The two-cutoff approach applies upper (positivity) and lower (negativity) cutoffs with intermediate cases being those with results in between the cutoffs (excluded in the analyses). The outcome was presence of AD pathology (visual read Aβ-PET). RESULT: Plasma p -tau217 identified AD pathology with AUCs of 0.95 (memory clinic), 0.89 (primary care) and 0.94 (ADNI). For p -tau217/Aβ42, AUCs of 0.95 (memory clinic), 0.90 (primary care), and 0.92 (ADNI) were observed (Figure 1B,E,H). CSF performed similar in BioFINDER (AUCs 0.91-0.92; all p >0.304) and better in ADNI (AUC 0.98, p =0.032). When applying one cutoff, plasma p -tau217 and p -tau217/Aβ42 had higher accuracies than CSF Aβ42/Aβ40 in BioFINDER-Memory Clinic (80-91%, all p <0.024) (Figure 1A), while performances were similar in BioFINDER-Primary Care (80-83%, all p >0.488, Figure 1D) and ADNI (88-92%, all p >0.152, Figure 1G). With two cutoffs, no significant differences between plasma p -tau217 (92%) or plasma p -tau217/Aβ42 (91%) and CSF biomarkers (89-93%) were observed in BioFINDER-Memory Clinic or ADNI (Figure 2A,G). In primary care, plasma p -tau217 (86%), but not p -tau217/Aβ42 (90%), had lower accuracy than CSF Aβ42/Aβ40 (92%, p =0.028; Figure 2E). CONCLUSION: Plasma p -tau217 and p -tau217/Aβ42 Lumipulse demonstrated similar or slightly inferior performance compared with FDA-approved CSF tests for detecting AD pathology across three cohorts, including primary care. Since these plasma assays are under FDA-review for AD diagnosis, the results are essential for validating their performance relative to CSF biomarkers. Additional comparisons will be presented at AAIC.

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)0,010
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,069
Tête enseignante GPT0,376
Écart entre enseignants0,307 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→