MétaCan
Menu
Retour à la cohorte
Enregistrement W1630174092 · doi:10.1111/j.1742-1241.2008.01869.x

Diagnosis and management of Parkinson’s disease dementia

2008· review· en· W1630174092 sur OpenAlexaff
Werner Poewe, Serge Gauthier, Dag Aarsland, James B. Leverenz, Paolo Barone, Daniel Weintraub, Eduardo Tolosa, Bruno Dubois

Notice bibliographique

RevueInternational Journal of Clinical Practice · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensDouglas Mental Health University Institute
Organismes subventionnairesNovartis PharmaAmerican Academy of NeurologyNational Institute on AgingNovartis
Mots-clésRivastigmineMedicineDementiaNeuropathologyDiseaseParkinson's diseaseIntensive care medicinePsychiatryDonepezilPathology

Résumé

récupéré en direct d'OpenAlex

Parkinson's disease (PD) has long been considered predominantly a motor disorder. However, its frequent association with dementia, which contributes significantly to the morbidity and mortality of the condition, is gaining increasing recognition. PD dementia (PDD) has a unique clinical profile and neuropathology, distinct from Alzheimer's disease (AD). Cholinergic deficits, a feature of both AD and PDD, underlie the rationale for cholinesterase inhibitor therapy in both conditions. In clinical practice, it is important that PDD should be recognised and appropriately treated. This review aims to outline the recently proposed clinical diagnostic criteria for PDD and to summarise the guidelines/recommendations published since 2006 on the use of cholinesterase inhibitors in the management of PDD. Although the cholinesterase inhibitor rivastigmine has recently been approved for the management of PDD, there remains a need for the development of novel therapies that can affect key mechanisms of the disease or prevent/delay patients with PD and mild cognitive impairment from progressing to PDD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,145
Tête enseignante GPT0,495
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations110
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Clinical PracticeMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207