Which dyskinesia scale best detects treatment response?
Notice bibliographique
Résumé
Numerous scales assess dyskinesia in Parkinson's disease (PD), variably focusing on anatomical distribution, phenomenology, time, severity, and disability. No study has compared these scales and their relative ability to detect change related to an established treatment. We conducted a randomized placebo-controlled trial of amantadine, assessing dyskinesia at baseline and at 4 and 8 weeks using the following scales: Unified Dyskinesia Rating Scale (UDysRS), Lang-Fahn Activities of Daily Living Dyskinesia Rating Scale (LF), 26-Item Parkinson's Disease Dyskinesia scale (PDD-26), patient diaries, modified Abnormal Involuntary Movements Scale (AIMS), Rush Dyskinesia Rating Scale (RDRS), dyskinesia items from the Movement Disorder Society-sponsored revision of the Unified Parkinson's Disease Rating Scale (MDS-UPDRS), and Clinical Global Impression (severity and change: CGI-S, CGI-C). Scale order was randomized at each visit, but raters were aware of each scale as it was administered. Sensitivity to treatment was assessed using effect size. Sixty-one randomized dyskinetic PD subjects (31 amantadine, 30 placebo) completed the study. Four of the 8 scales (CGI-C, LF, PDD-26, and UDysRS) detected a significant treatment. The UDysRS Total Score showed the highest effect size (η(2) = 0.138) for detecting treatment-related change, with all other scales having effect sizes < 0.1. No scale was resistant to placebo effects. This study resolves 2 major issues useful for future testing of new antidyskinesia treatments: among tested scales, the UDysRS, having both subjective and objective dyskinesia ratings, is superior for detecting treatment effects; and the magnitude of the UDysRS effect size from amantadine sets a clear standard for comparison for new agents.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».