A scoping review of computational models of human cerebral metabolism
Notice bibliographique
Résumé
BACKGROUND: Metabolism is progressively downregulated below healthy performance in Alzheimer's disease, at the same time as cellular and molecular damage demand increased energy. Understanding these findings will require a multifactorial causal framework, which we propose to test via mathematical modeling (Chamberland et al., 2024). Hence, we conducted a scoping review of mathematical models of human cerebral metabolism to guide our future implementation efforts. METHOD: Our scoping review was conducted following the 2020 PRISMA (Preferred Reporting Items for Systematic reviews and Meta-Analyses) guidelines. We used the following keywords while searching the PubMed database for relevant entries, from inception date to March 2024: "mathematical", "model", "brain", and "glucose". Inclusion criteria required references to be in English, original works, targeting human cerebral metabolism in humans. Abstracts and full texts were screened by two independent reviewers (PFF and SD), with data extracted by PFF. Out of 299 screened studies, 25 remained for full-text screening, leading to 14 selected studies for data extraction and qualitative analysis (Figure 1). RESULT: Model replicability was overall adequate, with the inclusion of equations, parameters and initial conditions, which contributed to internal validity, while attention to the model's external validity was neglected (Figure 2). Only half of the selected studies referred to human measures in parametrization, and none performed quantitative validation with real-life findings. In line with our desired computational approach, 12 models used ordinary differential equations. Most models focused on short timeframes, with the longer applicable window being 12 hours. The theoretical focus of the models ranged from metabolite flow between neurons and astrocytes, to depictions of glucose carriers, metabolite signaling, biophysical, and electrochemical behaviors. CONCLUSION: There exist computational models that appear able to capture essential components of brain metabolism on a short timeframe. Overall, these models had high internal but poor external validity. To assess the trajectory of lifetime brain metabolism, adjustments will be required.
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 | 0,026 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,010 |
| Bibliométrie | 0,017 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».