预测脑粉样血管病变神经病理学的严重程度:使用NACC和ROSMAP数据的建模方法
Chenyin Chu1, Liwei Ma1, Yihan Wang1
1School of Translational Medicine, Monash University, Melbourne, Victoria, Australia.
概括
一个新的工具,脑粉样血管病变 (CAA) 风险评分 (CAARS),可以预测CAA在活着的患者中的严重程度. 这一分数有助于识别患有粉样蛋白相关成像异常 (ARIA) 风险较高的个体,特别是那些接受抗粉样蛋白治疗的人.
科学领域:
- 神经学 神经学
- 生物统计学 生物统计学
- 老年学是一门学科.
背景情况:
- 大脑粉样蛋白血管病变 (CAA) 增加了与粉样蛋白相关的成像异常 (ARIA) 在阿尔茨海默病患者治疗抗粉样蛋白β单克隆抗体的风险.
- 目前,CAA的严重程度只有在死后才能得到最终评估.
研究的目的:
- 开发和验证一种工具,即CAA风险评分 (CAARS),用于预测现存个体的CAA严重程度.
- 为了分层CAA风险,并可能预测ARIA风险.
主要方法:
- 该CAARS工具是使用国家阿尔茨海默氏症协调中心 (NACC) 的数据开发的.
- 外部验证是使用宗教秩序研究和记忆和衰老项目 (ROSMAP) 的数据进行的.
主要成果:
- 在NACC队列中,CAARS-4模型表现出良好的预测性能,AUC-ROC为0.71.
- 该模型的性能在ROSMAP队列中得到了验证,证实了它的稳定性和通用性.
- 在预测CAA严重程度方面,CAARS的表现优于基线模型.
结论:
- 该CAARS工具显示了预测CAA严重程度在活着的患者的潜力.
- 高血压和APOE ε4被确定为影响CAA的危险因素.
- 需要进一步的研究来评估CAARS在管理ARIA风险方面的临床实用性.
