MétaCan
Menu
← Retour à la cohorte
Enregistrement W7117249453 · doi:10.1002/alz70856_101439

Imaging Dementia in African Populations: Closing the Health Equity Gap

2025· article· en· W7117249453 sur OpenAlexaff
Olujide Oyeniran, K. Donald, Akintunde T. Orunmuyi, Thomas K. Karikari, Tavia E. Evans, Jasmine D. Cakmak, Ethan C Draper, Valentine Ucheagwu, Justin W. Hicks, Pedro Rosa‐Neto, Yasser Iturria Medina, Rufus Akinyemi, Simon M. Ametamey, L Liu, Sheila Waa, Chi Udeh‐Momoh, Ozioma C. Okonkwo, Udunna Anazodo

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensLawson Health Research InstituteMcGill University Health CentreWestern UniversityArtificial Intelligence in Medicine (Canada)McGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésClosing (real estate)DementiaEquity (law)Health equityMedical imagingPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In the next two decades, Africa is projected to have one of the highest number of people with Alzheimer's disease and related dementias (ADRD) (Figure 1). Neuroimaging tools, particularly magnetic resonance imaging (MRI) and positron emission tomography (PET), are established diagnostic tools for characterizing ADRD. However, the use of these tools is unevenly distributed globally and acutely lacking in Africa, particularly in Sub-Saharan Africa. Because ADRD prevalence and risk factors vary across populations and geospatial lines, there is a growing need to develop neuroimaging capacity for dementia research in diverse populations to expand our understanding of its characteristics. Here, we highlight gaps in dementia imaging research globally, identify associated barriers to their use in Africa, and provide a perspective on opportunities to enable dementia neuroimaging research across Africa. METHOD: We reviewed published data from literature and clinical trial databases for ongoing or past ADRD studies around the world with PET or MRI. We then estimated the number of sites, participants, and capacity (participants/site). We also used published data to estimate Africa's imaging infrastructure and personnel needs and costs. RESULT: A total of 49 countries (∼25% of all countries in the world) account for the global ADRD neuroimaging research (Figure 2). On a regional level, Africa has the least number of ADRD study sites and participants who have/will have PET or MRI (Figure 2). In Africa, only 4 countries have conducted ADRD research using MRI and none have published research or reported ongoing clinical trials using PET. The challenges with acquiring and operating neuroimaging infrastructure including high costs of scanner and radiotracer production as well as shortage of skilled personnel are fundamental barriers to dementia imaging research in Africa. At minimum, $29,321,441,393 is required to equip Africa with the neuroimaging infrastructure and personnel to bridge the gap (Figure 3). CONCLUSION: Thus, we propose, 1) increased imaging infrastructure investment, especially in low-cost technologies, 2) optimization of existing clinical imaging systems for advanced imaging, 3) collaborative training of local personnel through upskilling programs and 4) establishment of regional and global partnerships. Together these actions can transform dementia imaging capacity in Africa.

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)0,031
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0310,064
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,003
Communication savante0,0040,010
Science ouverte0,0020,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,411
Écart entre enseignants0,329 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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→