TEIDe Consortium as a model to move towards a personalized medicine approach for the prevention of cognitive impairment and dementia
Notice bibliographique
Résumé
Dementia is a major cause of disability worldwide. Accurate identification of individuals at high risk of dementia is crucial for early diagnosis and prevention. TEIDe will examine the interplay between exercise and cognitive aging to develop practical and personalized applications in healthcare settings. Key questions addressed by the Consortium include: (i) How can predictive scores be developed to identify individuals at risk of all-cause and cause-specific dementia for primary healthcare implementation?; (ii) What are the optimal exercise doses and types depending on individual characteristics such as biological sex, gender, age, education, and cognitive/functional status?; (iii) Could different types of exercise exert benefits to cognition through various mechanisms at cellular/molecular, brain and behavioral levels? (iv) Is it feasible to implement a holistic approach for dementia prevention within primary healthcare settings, involving screening, tailored exercise prescription, and in-person exercise interventions? The overall aim of this consortium is to establish an integrated framework, combining predictive, precision, mechanistic, and clinical application approaches for the effective prevention of dementia. We will leverage data from existing cohort studies with over 3 million people and from 8 rigorously conducted exercise-based randomized controlled trials in middle-aged and older-aged adults with a range of cognitive function; subsequently, we will test the feasibility for their clinical application in primary healthcare. To achieve this, 9 partners from 8 countries (i.e., Spain, Norway, Germany, Italy, Slovakia, Romania, USA and Canada) along the entire supply chain value (i.e., academia, primary healthcare sector, enterprise and operational stakeholder) compose this consortium. TEIDe will build long-term, world-class research capacity to better understand the role of exercise interventions for the prevention of cognitive impairment and dementia. This project will generate at least four outputs, which can be easily implemented in healthcare settings: (i) risk scores for dementia identification; (ii) algorithms for tailored exercise prescription; (iii) user-friendly exercise manuals for prescription in primary healthcare settings; (iv) modifiable risk factors amenable by exercise interventions. These deliverables will directly benefit patients and clinicians by preventing the progression of age-related cognitive decline and early stages of Alzheimer's disease, and by moving towards a personalized medicine approach via improved prediction of individual treatment benefits for at-risk groups.
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 | 0,081 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,006 | 0,021 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,012 |
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 ».