Identifying a combination of biomarkers to predict treatment response to nabilone for the treatment of agitation in Alzheimer's disease – a secondary analysis
Notice bibliographique
Résumé
BACKGROUND: Agitation is a challenging neuropsychiatric symptom (NPS) of Alzheimer's disease (AD). A crossover trial found that nabilone significantly improved agitation in AD patients over 6 weeks compared to placebo. Here, we aim to identify a combination of biomarkers that could be used to predict treatment response to nabilone for AD-associated agitation. METHODS: Agitation was assessed using the Cohen-Mansfield Agitation Inventory (CMAI). Serum concentrations of 13 markers were measured. Linear regression was used to estimate change in CMAI due to nabilone for the high and low groups of each biomarker. Biomarkers with a difference ≥8.5 points between groups were included in subsequent multivariate models. Index scores representing the difference between expected CMAI change given nabilone and placebo were calculated and divided into quartiles. Mean difference in CMAI change and 95% confidence intervals were estimated via bootstrapping. RESULTS: Four of the 13 biomarkers which met criteria specified above were included in multivariate modeling (n = 67). Nabilone was more efficacious in participants with higher IL-6 (estimated change in CMAI -15.4, standard error (SE) 5.6), higher ISO-8 (-14.4, SE=5.0), higher 24S-OHC (-14.2, SE=4.1), and lower clusterin (-14.6, SE=4.4). Participants in Q1 of index scores demonstrated better response to nabilone with a mean difference in CMAI change of -20.9 (95% CI: -31.8, -9.2), while those in Q2-4 showed no difference between treatments. CONCLUSIONS: Participants with higher levels of inflammation, oxidative stress, and cholesterol metabolite were more likely to benefit from nabilone for agitation in AD. A combination of biomarkers could help in distinguishing responders and non-responders to nabilone.
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 | 0,009 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».