Identifying and predicting amyotrophic lateral sclerosis clinical subgroups: a population-based machine-learning study
| Title: | Identifying and predicting amyotrophic lateral sclerosis clinical subgroups: a population-based machine-learning study |
|---|---|
| Authors: | Faghri F.; Brunn F.; Dadu A.; Chio A.; Calvo A.; Moglia C.; Canosa A.; Manera U.; Vasta R.; Palumbo F.; Bombaci A.; Grassano M.; Brunetti M.; Casale F.; Fuda G.; Salamone P.; Iazzolino B.; Peotta L.; Cugnasco P.; De Marco G.; Torrieri M. C.; Gallone S.; Barberis M.; Sbaiz L.; Gentile S.; Mauro A.; Mazzini L.; De Marchi F.; Corrado L.; D'Alfonso S.; Bertolotto A.; Imperiale D.; De Mattei M.; Amaru S.; Comi C.; Labate C.; Poglio F.; Ruiz L.; Testa L.; Rota E.; Ghiglione P.; Launaro N.; Di Sapio A.; Mandrioli J.; Fini N.; Martinelli I.; Zucchi E.; Gianferrari G.; Simonini C.; Meletti S.; Liguori R.; Vacchiano V.; Salvi F.; Bartolomei I.; Michelucci R.; Cortelli P.; Rinaldi R.; Borghi A. M.; Zini A.; Sette E.; Tugnoli V.; Pugliatti M.; Canali E.; Codeluppi L.; Valzania F.; Zinno L.; Pavesi G.; Medici D.; Pilurzi G.; Terlizzi E.; Guidetti D.; De Pasqua S.; Santangelo M.; De Massis P.; Bracaglia M.; Casmiro M.; Querzani P.; Morresi S.; Longoni M.; Patuelli A.; Malagu S.; Curro Dossi M.; Vidale S.; Ferro S.; Nalls M. A.; Campbell R. H.; Traynor B. J. |
| Contributors: | Faghri F.; Brunn F.; Dadu A.; Chio A.; Calvo A.; Moglia C.; Canosa A.; Manera U.; Vasta R.; Palumbo F.; Bombaci A.; Grassano M.; Brunetti M.; Casale F.; Fuda G.; Salamone P.; Iazzolino B.; Peotta L.; Cugnasco P.; De Marco G.; Torrieri M.C.; Gallone S.; Barberis M.; Sbaiz L.; Gentile S.; Mauro A.; Mazzini L.; De Marchi F.; Corrado L.; D'Alfonso S.; Bertolotto A.; Imperiale D.; De Mattei M.; Amaru S.; Comi C.; Labate C.; Poglio F.; Ruiz L.; Testa L.; Rota E.; Ghiglione P.; Launaro N.; Di Sapio A.; Mandrioli J.; Fini N.; Martinelli I.; Zucchi E.; Gianferrari G.; Simonini C.; Meletti S.; Liguori R.; Vacchiano V.; Salvi F.; Bartolomei I.; Michelucci R.; Cortelli P.; Rinaldi R.; Borghi A.M.; Zini A.; Sette E.; Tugnoli V.; Pugliatti M.; Canali E.; Codeluppi L.; Valzania F.; Zinno L.; Pavesi G.; Medici D.; Pilurzi G.; Terlizzi E.; Guidetti D.; De Pasqua S.; Santangelo M.; De Massis P.; Bracaglia M.; Casmiro M.; Querzani P.; Morresi S.; Longoni M.; Patuelli A.; Malagu S.; Curro Dossi M.; Vidale S.; Ferro S.; Nalls M.A.; Campbell R.H.; Traynor B.J. |
| Publication Year: | 2022 |
| Collection: | IRIS Università degli Studi di Bologna (CRIS - Current Research Information System) |
| Subject Terms: | ALS; population based study |
| Description: | Background: Amyotrophic lateral sclerosis (ALS) is known to represent a collection of overlapping syndromes. Various classification systems based on empirical observations have been proposed, but it is unclear to what extent they reflect ALS population substructures. We aimed to use machine-learning techniques to identify the number and nature of ALS subtypes to obtain a better understanding of this heterogeneity, enhance our understanding of the disease, and improve clinical care. |
| Document Type: | article in journal/newspaper |
| File Description: | ELETTRONICO |
| Language: | English |
| ISBN: | 978-2-589-75002-6; 2-589-75002-1 |
| Relation: | info:eu-repo/semantics/altIdentifier/pmid/35341712; info:eu-repo/semantics/altIdentifier/wos/WOS:000821560800014; volume:4; issue:5; firstpage:e359; lastpage:e369; numberofpages:11; journal:THE LANCET. DIGITAL HEALTH; info:eu-repo/grantAgreement/EC/FP7/259867; https://hdl.handle.net/11585/889271; https://www.sciencedirect.com/science/article/pii/S2589750021002740?via=ihub |
| DOI: | 10.1016/S2589-7500(21)00274-0 |
| Availability: | https://hdl.handle.net/11585/889271; https://doi.org/10.1016/S2589-7500(21)00274-0; https://www.sciencedirect.com/science/article/pii/S2589750021002740?via=ihub |
| Rights: | info:eu-repo/semantics/openAccess |
| Accession Number: | edsbas.27EE58B5 |
| Database: | BASE |