Lower Education Status Associates With Axial Motor Burden In Parkinson Disease (P5.265)
Notice bibliographique
Résumé
Background: Lower educational status is a risk factor for dementia amongst elderly individuals. Axial motor impairments in Parkinson disease (PD) significantly influence mortality and quality of life and are typically less responsive to dopaminergic medications. Axial motor features are thought to be caused by neurodegeneration in extranigral systems whose varied underlying causes may share pathogenic overlap with mechanisms seen in other common dementing disorders. Methods: We performed a cross-sectional clinical-neuroimaging study of 85 subjects with Parkinson disease to explore the association between years of education and axial motor burden as determined by the summed 5-item Levy B criteria assessed using the Movement Disorder Society-Unified Parkinson’s Disease Rating Scale (MDS-UPDRS) motor exam. Multivariable linear regression was used to control for possible confounders including subject age, disease duration, Montreal Cognitive Assessment (MoCA) score, total adjusted gray matter volume on T1-weighted MRI estimated using Freesurfer, and degree of nigrostriatal dopaminergic denervation estimated by striatal [11C]dihydrotetrabenazine (DTBZ) distribution volume ratio (DVR) relative to the neocortex. Results: The overall regression model significantly predicted axial motor burden (F=6.10, p<0.0001). Years of education (t=-2.10, p=0.0387), age (t=2.77, p=0.0071) and striatal DTBZ DVR (t=-2.74, p =0.0076) associated with axial motor burden severity. MoCA score (t=-0.89, p=0.3784), total adjusted gray matter volume (t=1.02, p=0.3086), and disease duration (t=1.86, p=0.0673) were not significant predictors in the multivariable model. Conclusions: Lower education status may be a risk factor for axial motor impairments in Parkinson disease. This effect is not fully explained by comorbid cognitive dysfunction, severity of dopaminergic denervation, or alterations in total grey matter volume and may relate to other unmeasured--and potentially alterable--factors including health behaviors and other risk factors more prevalent amongst those with lower educational status. Supported by NIH grants PO1 NS015655, RO1 NS070856, Department of Veterans Affairs and the Michael J. Fox Foundation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».