数据驱动的值在统计学上偏见ATN在队列数据集中的分析

科学领域:

• 神经科学是一个神经科学.
• 生物标志物研究 生物标志物研究
• 阿尔茨海默氏症疾病的诊断方法

背景情况:

• 粉样蛋白/tau/神经退行 (ATN) 框架在阿尔茨海默病 (AD) 研究中被广泛使用.
• 关于数据集和队列中不同方法衍生出的值的一致性和可互换性存在不确定性.

研究的目的:

• 在ATN框架内调查数据驱动值方法的稳定性.
• 评估ATN在不同队列数据集中的概括性.

主要方法:

• 应用了五种常见的值方法,在多个AD队列数据集中进行ATN分析.
• 包括来自11个AD队伍的CSF粉样蛋白-β 1-42,酸化和总测量的参与者.
• 从不同的队列中聚集个人,分配给相同的ATN配置文件,以评估疾病模式的可比性.

主要成果:

• 在各种方法和数据集中观察到ATN值的显著变化,影响了参与者配置文件的分配.
• 在同一ATN类别内的个人聚集时,在大多数队列中确定了可比的疾病模式.
• 发现大多数ATN配置文件中,来自不同值和数据表示的偏差在很大程度上是微不足道的.

结论:

• 选择值方法显著影响ATN分析,影响敏感性和特异性.
• 在独立的阿尔茨海默病队伍之间,值不是直接可互换的.
• 对值方法,其统计含义和结果验证的彻底理解对于强大的ATN框架应用至关重要.