Clinical tools to differentiate behavioural variant frontotemporal dementia from primary psychiatric disorders
Bibliographic record
Abstract
IntroductionLe processus de différenciation entre la variante comportementale de la démence frontotemporale (DFTvc) et les troubles psychiatriques primaires à début tardif est complexe en raison du chevauchement de leurs manifestations cliniques. Ce projet de thèse a évalué la capacité de deux outils diagnostiques complémentaires à améliorer la précision du diagnostic de la DFTvc: les chaînes légères de neurofilament du sérum (sNfL), un biomarqueur liquide de la neurodégénérescence, et la tomographie par émission de positrons (TEP) au [18F] fluorodéoxyglucose (TEP-FDG), un examen de neuroimagerie fonctionnelle.MéthodesPremièrement, nous avons analysé les données de 226 patients de la base de données rétrospective « Diagnostic and Prognostic Precision medicine Algorithm for behavioral variant Frontotemporal Dementia (DIPPA-FTD) » qui ont effectué un examen TEP-FDG au début de leur suivi clinique. Les évaluations visuelles des examens de neuroimagerie ont été comparées aux diagnostics cliniques après ≥1 an, afin de déterminer la précision diagnostique de l’examen TEP-FDG. Deuxièmement, nous avons évalué les mesures longitudinales de sNfL chez 836 adultes âgés de plus de 40 ans avec des troubles psychiatriques en utilisant les données de la Biobanque Signature. Les valeurs sNfL ont été mesurées à quatre moments différents sur une période d’environ 1-2 ans. Les associations entre le sNfL et la sévérité des symptômes psychiatriques chez les patients avec divers troubles psychiatriques ont également été testées.RésultatsL’examen de neuroimagerie TEP-FDG a démontré une excellente précision diagnostique, avec une sensibilité de 87 % et une spécificité de 93 % pour identifier la DFTvc. Seulement 7,1 % des cas de troubles psychiatriques avaient des examens faux positifs. Les niveaux de sNfL sont restés stables au cours du temps dans les troubles psychiatriques. Les symptômes de dépression, d'anxiété et de psychose se sont améliorés avec le temps, mais les corrélations entre le sNfL et la sévérité des symptômes n'étaient pas cliniquement significatifs.ConclusionLe sNfL semble être une caractéristique stable plutôt qu'un marqueur dynamique dans les troubles psychiatriques, contrairement à l'élévation longitudinale de la sNfL attendue dans la DFTvc. L’examen TEP-FDG permet une discrimination robuste entre la DFTvc et les troubles psychiatriques d'apparition tardive, ce qui soutient son utilité dans les processus diagnostiques pour les syndromes comportementaux d'apparition tardive. L'application judicieuse de ces deux outils peut favoriser un diagnostic précoce et précis de la DFTvc et des troubles psychiatriques
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".