参与者队列建立与基线评估
纳入认知未受损(CU)的老年人,进行临床和神经心理学评估,并采集基线血液和脑脊液样本。
招募年龄≥55岁的社区志愿者,经标准化医学、神经和神经心理学评估确认CU状态,排除痴呆、MCI、重大精神疾病等。采集基线CSF样本,检测纤维蛋白原、Aβ42、tTau、pTau181和YKL-40。
CSF fibrinogen predicts longitudinal Tau accumulation in cognitively unimpaired older adults
该研究为队列研究,包含横断面和纵向分析,使用CSF生物标志物(纤维蛋白原、Aβ42、tTau、pTau181、YKL-40),并采用线性回归和线性混合效应模型进行统计验证。
认知未受损老年人队列
CSF样本采集和标准化处理流程,包括离心、分装及-80°C保存条件 CSF纤维蛋白原浓度测定方法(Abcam ELISA,1:200稀释)及其批次内/间变异系数 CSF pTau181纵向测量时间间隔和平均随访时长2.5年 统计模型中的混杂因素调整(年龄、性别)及纤维蛋白原分组(中位数分组)
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
纳入认知未受损(CU)的老年人,进行临床和神经心理学评估,并采集基线血液和脑脊液样本。
招募年龄≥55岁的社区志愿者,经标准化医学、神经和神经心理学评估确认CU状态,排除痴呆、MCI、重大精神疾病等。采集基线CSF样本,检测纤维蛋白原、Aβ42、tTau、pTau181和YKL-40。
检验基线CSF纤维蛋白原与Aβ42、tTau、pTau181、YKL-40的横断面关联。
采用线性回归模型,以CSF纤维蛋白原为自变量,分别以Aβ42、tTau、pTau181、YKL-40为因变量,调整年龄和性别,并进行多重比较校正(Benjamini-Hochberg)。
检验基线CSF纤维蛋白原是否预测纵向pTau181的变化。
对87名具有至少两次CSF pTau181测量的参与者,使用线性混合效应模型(LMEM),以时间为固定效应,基线纤维蛋白原分组(中位数分组)为预测因子,检测时间与纤维蛋白原分组的交互作用,调整年龄和性别,随机效应包括个体截距和斜率。
检验基线YKL-40是否介导基线纤维蛋白原与纵向pTau181变化的关系。
采用两阶段方法:先线性回归估计纤维蛋白原与YKL-40的关联,再用LMEM检验纤维蛋白原和YKL-40对纵向pTau181的效果,计算间接效应,并通过1000次bootstrap获得95% CI。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| CSF生物标志物检测 | 纤维蛋白原ELISA试剂盒(Abcam ab108841) | Abcam | ab108841 |
| INNOTEST ELISA平台(Fujirebio) | Fujirebio | -- | |
| YKL-40 ELISA试剂盒(#DY2599;R&D Systems) | R&D Systems | DY2599 | |
| CSF采集 | 22G无创针(Sprotte) | -- | -- |
| CSF处理 | Nalgene纯聚丙烯管 | Nalgene | -- |
| 统计分析 | R Studio(版本2025.09.1 Build 401)及R版本4.5.1 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者纳入与队列构建 | CU状态定义、年龄范围、排除标准(如主要精神疾病、脑血管疾病等) 阅读提示:Methods 2.1 Study design and participants |
| CSF采集与处理 | 腰穿时间(晨起空腹)、针型号(22G atraumatic)、离心条件(2000g 10min 4°C)、分装量(0.25mL)及储存温度(-80°C) 阅读提示:Methods 2.3 Lumbar puncture and CSF handling |
| 生物标志物检测 | CSF纤维蛋白原ELISA产品(Abcam ab108841)及稀释比例1:200;Aβ42、tTau、pTau181检测平台(INNOTEST, Fujirebio);YKL-40 ELISA试剂盒(R&D Systems #DY2599) 阅读提示:Methods 2.4 CSF biomarker quantification |
| 统计分析 | 变量标准化方法、pTau181和tTau的对数转换、线性混合效应模型设置(随机截距和斜率)及中位数分组方法 阅读提示:Methods 2.6 Statistical analyses |