从人口统计和临床数据预测大脑脊髓液α-synuclein种子放大试验状态

科学领域:

• 神经学 神经学
• 生物标志物发现发现
• 临床预测建模临床预测建模

背景情况:

• 阿尔法-同核素 (a-syn) 是一种关键蛋白质,与帕金森病 (PD) 病原发生有关.
• 准确预测a-syn状态可以帮助早期诊断和疾病管理.
• 目前用于a-syn检测的方法通常需要侵入性程序.

研究的目的:

• 开发和验证对α-synuclein (a-syn) 状态的预测模型.
• 利用易于获得的临床预测因子来预测体内同步状态.
• 在患有和没有帕金森病的人群中评估模型性能.

主要方法:

• 后勤回归模型是使用来自帕金森进展标志物倡议 (PPMI) 研究的数据来开发的.
• 模型被训练来预测脑脊液 (CSF) a-syn状态,通过播种放大测试 (SAA) 测量.
• 对系统性同核素采样研究 (S4) 队列进行了外部验证.

主要成果:

• 多变量模型实现了高的内部性能 (AUROC 0.920) 和外部验证性能 (AUROC 0.976).
• 关键预测因素包括特定于年龄和性别的宾夕法尼亚大学气味识别测试 (UPSIT) 百分位值,性别,便秘,LRRK2和GBA状态.
• 仅依赖UPSIT百分位数的模型也表现出强大的预测准确性.

结论:

• 结合非侵入性临床特征的数据驱动模型可以准确预测CSF a-syn SAA状态.
• 宾夕法尼亚大学的气味识别测试 (UPSIT) 成绩是A-synSAA状态的非常重要的预测指标.
• 这些发现支持使用可访问的临床数据来预测PD研究中的a-syn状态.