Significance of neurosin and clusterin concentration in differential diagnostics of dementia
Bibliographic record
Abstract
Alzheimerova bolest (engl. Alzheimer's disease, AD) je najčešća demencija karakterizirana stvaranjem plakova i neurofibrilarnih spletova. Vaskularna demencija (VAD) je druga najučestalija vrsta demencije i nastaje uslijed ishemijskih, hipoperfuzijskih ili hemoragičnih moždanih lezija. Ciljevi ovog rada su: ispitati diferencijalno dijagnostičko značenje određivanja serumske koncentracije neurozina (humanog kalikreina 6, KLK6), klasterina (CLU) i adiponektina (ADPN), te upalnog biljega interleukina-6 (IL-6) u razlikovanju AD i VAD; procijeniti značenje ispitivanih biljega u razlikovanju kognitivno zdravih ispitanika iste dobi od oboljelih od demencije i onih ispitanika iste dobi koji imaju blagi kognitivni poremećaj u odnosu na one s dijagnozom AD i VAD; procijeniti korelaciju ispitivanih biljega sa standardnim pokazateljima kognitivnog deficita. Ispitivanjem je obuhvaćeno 70 bolesnika s AD i 67 bolesnika s VAD koji su u neprekidnom slijedu pristizali na redovnu neurološku obradu u Kliniku za neurologiju KBC-a Sestre milosrdnice u Zagrebu. Skupina kontrolnih ispitanika iste dobi podijeljena je na kognitivno zdrave (N = 50) i one s blagim kognitivnim poremećajem (N = 48). U okviru rutinske neurološke obrade provedeni su neuropsihološki testovi Mini Mental State Examination (MMSE) i Montreal Cognitive Assessment (MoCA). Korištene su slikovne tehnike: kompjuterizirana tomografija mozga (MSCT), Colour Doppler Flow Imaging (CDFI) i transkranijska Doppler sonografija. Rutinski biokemijski testovi izrađeni su na automatskom biokemijskom analizatoru. Koncentracije biljega KLK6 i CLU su određene ELISA metodom, a koncentracija ADPN je određena imunoturbidimetrijom na automatskom biokemijskom analizatoru. Koncentracija IL-6 je određena na imunokemijskom analizatoru. Ovisno o vrsti razdiobe dobivenih rezultata, za testiranje razlika korišteni su statistički testovi Kruskal Wallis i ANOVA. Za analizu korelacije koristio se Spearmanov, odnosno Pearsonov test. Statistička analiza provedena je pomoću programa MedCalc. Kod ispitivanih skupina je nađena razlika za one testove koji se rutinski koriste u neurološkoj obradi dementnih bolesnika. Koncentracije ispitivanih biljega KLK6, CLU i ADPN u serumu nisu se razlikovale između skupina (P = 0,137, P = 0,178 i P = 0,268). Koncentracije upalnog biljega IL-6 značajno su se razlikovale između ispitivanih skupina (P = 0,014), s najvećim medijanom koncentracije u skupini bolesnika s VAD (4,1 pg/mL) i najmanjim medijanom koncentracije u skupini s MCI (2,3 pg/mL). Koncentracije ispitivanih biljega KLK6, CLU i ADPN nisu se značajno razlikovale između oboljelih od AD i VAD. Također, ispitivani biljezi ne pokazuju zadovoljavajuću mogućnost razlikovanja kognitivno zdravih ispitanika iste dobi od bolesnika s demencijom, kao što ne pokazuju diskriminacijski potencijal kada je u pitanju razlikovanje skupine iste dobi s dijagnozom blagog kognitivnog poremećaja od skupine s dijagnozom AD, odnosno VAD. Određivanje koncentracije upalnog biljega IL-6 se pokazalo korisnim u razlikovanju ispitivanih skupina. Koncentracije ispitivanih biljega nisu korelirale sa rezultatima standardnih pokazatelja kognitivnog oštećenja.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".