Impact of Medication Use on [18F]MK6240 and [18F]Flortaucipir Uptake in Alzheimer's disease
Notice bibliographique
Résumé
BACKGROUND: Quantifying tau aggregates in the human brain can be achieved using Positron Emission Tomography (PET) techniques, which can potentially be affected by binding competition due to medication use. Patients with dementia often have high rates of comorbidities and polypharmacy. Therefore, this study aims to investigate the potential influence of multiple medications on the uptake of the tau tracers MK6240 (MK) and Flortaucipir (FTP). METHOD: Five classes of medications were evaluated: Anti-Hypertensives, Statins, Anti-Diabetics, Psychoactive drugs, and NSAIDs (Table 1). We included 292 individuals [170 cognitively unimpaired (CU) Aβ-negative and 122 cognitively impaired (CI) Aβ-positive] from the HEAD study (Table 2). We compared MK and FTP SUVR in the Medial Temporal Lobe (MTL) and Neotemporal Cortex (NTC) in individuals on and off medications. The linear regressions that tested associations were corrected for confounding factors, including age, sex, education, and MoCA score. Correction for multiple comparisons was applied using the Bonferroni method (adjusted p-value at 0.00125). RESULT: Among CI Aβ-positive individuals, Anti-Diabetics were associated with lower SUVR in the NTC for both FTP and MK. However, these associations did not remain significant after correction for multiple comparisons. (Table 3). CONCLUSION: Our findings indicate that there are no significant associations between the use of the medications studied and MK or FTP uptake when accounting for covariates and applying multiple comparison corrections.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».