MétaCan
Menu
← Retour à la cohorte
Enregistrement W7119491673 · doi:10.1002/alz70856_107210

Impact of white matter hyperintensities on disease progression in Progressive Supranuclear Palsy‐Richardson syndrome

2025· article· en· W7119491673 sur OpenAlexaff
Indira García‐Cordero, Juan‐Camilo Vargas‐González, Blas Couto, Bayram Ece, Federico Rodríguez‐Porcel, Jay Iyer, Lawrence I. Golbe, Christopher D. Stephen, Alex Pantelyat, Marian L. Dale, Nikolaus McFarland, Tao Xie, Matthew Swan, Kyurim Kang, Douglas Gunzler, Anne‐Marie Wills, Adam L. Boxer, Irene Litvan, A Elang, Carmela Tartaglia

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensUniversity Health NetworkToronto Western HospitalOccupational Cancer Research CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHyperintensityNeuroimagingFramingham Risk ScoreConfidence intervalLinear regressionWhite matterFramingham Heart StudyDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Background White matter hyperintensities (WMH) are recognized as neuroimaging biomarkers of cerebral small vessel disease; however, their clinical significance in Progressive Supranuclear Palsy‐Richardson syndrome (PSP‐RS) is poorly understood. Method 125 PSP‐RS patients from the Tilavonemab (ABBV‐8E12) clinical trial were assessed for disease severity using the PSP Rating Scale (PSPRS) at baseline and week 24. A PSPRS change index was calculated for week 24. WMH lesions were segmented on MRI FLAIR images using the Lesion Segmentation Tool and the total lesion volume (TLV) was calculated at baseline and week 24. The non‐laboratory Framingham Atherosclerotic Cardiovascular Disease Risk Score (FRS) was calculated in 99 patients. A linear mixed‐effect model for repeated measures was used to analyzed the TLV across the two time points. A multiple linear regression analyses was performed to analyze the association between baseline TLV, FRS, and their interaction in predicting the PSPRS change index. All analyses were adjusted for age, sex and disease duration. Result Mean age of the 125 PSP‐RS patients: 68.7 (49‐86) years, 51 females (40.8%). There was an increase of the TLV (B=0.09, 95% Confidence Intervals (CI):0.04‐0.13, p <0.001; mean±SD: 8.46±10.20 vs 9.38±10.60 ml) across time. Mean age of the 99 PSP‐RS patients with FRS: 66.8 (49‐74) years, 43 females (43.4%). Mean FRS: 20.6 ± 8.3%. A significant relationship was found between the TLV and the PSPRS change index (B=0.08, CI:0.01‐0.15, p = 0.02) and between the FRS and the PSPRS change index (B=0.11, CI:0.01‐0.21, p = 0.03). TLV*FRS shows a significant negative association with the PSPRS change index (B=‐0.01, CI:‐0.01‐ 0.00, p = 0.02). Conclusion TLV increased over time in PSP‐RS patients. For each 1 ml increase in TLV, the PSPRS change score increased by 0.11, and for each 1% increase in FRS, the PSPRS change score increased by 0.08. However, the increase must be adjusted for the combined effect, i.e., when both FRS and TLV are present, the increase is slightly smaller than the sum of their individual effects. *Based on research using data from AbbVie that has been made available through Vivli, Inc. Vivli has not contributed to or approved, and is not in any way responsible for, the contents of this publication.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,306
Écart entre enseignants0,290 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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 sujetParkinson's Disease Mechanisms and Treatments→Travaux en français237 207→