间隔特定的概率比率和基于概率的模型用于解释阿尔茨海默病的联合CSF生物标志物
Jonas Dubin1, Rik Vandenberghe2, Koen Poesen1
1Laboratory for Molecular Neurobiomarker Research, Department of Neurosciences, Leuven Brain Institute, KU Leuven, Leuven, Belgium; Laboratory Medicine, UZ Leuven, Leuven, Belgium.
概括
这项研究引入了一种新的方法来解释大脑脊髓液 (CSF) 中的阿尔茨海默病 (AD) 生物标志物. 使用概率比率和概率模型可以更准确地对AD概率进行持续评估.
科学领域:
- 神经学 神经学
- 生物标志物研究 生物标志物研究
- 诊断医学 诊断医学
背景情况:
- 目前的阿尔茨海默病 (AD) 诊断依赖于脑脊液 (CSF) 生物标志物,具有固定的切断值.
- 这些二进制切断不能捕捉疾病过程的连续性.
- 对于准确的阿尔茨海默病诊断,需要一种更细微的方法.
研究的目的:
- 探索使用CSF生物标志物的AD诊断的间隔特定概率比率 (LRs).
- 开发和验证基于概率的模型,用于对AD的持续评估.
- 改进在AD中CSF生物标志物面板的解释.
主要方法:
- 从241个发现和129个验证队列中对CSF生物标记数据 (Aβ1-42,tTau,pTau181) 的回顾性分析.
- 计算和验证单变量和组合生物标志物的区间特定LRs.
- 构建和验证基于AD的连续双变概率模型.
主要成果:
- 对AD的概率比率随着CSF生物标志物值与正常范围的偏差越大而增加.
- 综合生物标志物模型表明,随着多个生物标志物变得异常,LRs不断升级.
- 一个经过验证的双变量概率模型在连续规模上预测AD时达到88%的准确性.
结论:
- 间隔特定的LR和连续概率模型提供了对CSFAD生物标志物的增强解释.
- 这种方法提供了一个更有意义的,半连续评估后测试AD概率.
- 这些模型在不同的测定和患者队伍中显示出有希望的改善AD诊断.
更多相关视频
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
14.9K
08:40Absolute Quantification of Aβ1-42 in CSF Using a Mass Spectrometric Reference Measurement Procedure
Published on: March 21, 2017
7.6K
