Premotor and nonmotor features of Parkinson's disease
Notice bibliographique
Résumé
PURPOSE OF REVIEW: This review highlights recent advances in premotor and nonmotor features in Parkinson's disease, focusing on these issues in the context of prodromal and early-stage Parkinson's disease. RECENT FINDINGS: Although Parkinson's disease patients experience a wide range of nonmotor symptoms throughout the disease course, studies demonstrate that nonmotor features are not solely a late manifestation. Indeed, disturbances of smell, sleep, mood, and gastrointestinal function may herald Parkinson's disease or related synucleinopathies and precede these neurodegenerative conditions by 5 or more years. In addition, other nonmotor symptoms such as cognitive impairment are now recognized in incident or de-novo Parkinson's disease cohorts. Many of these nonmotor features reflect disturbances in nondopaminergic systems and early involvement of peripheral and central nervous systems, including olfactory, enteric, and brainstem neurons as in Braak's proposed pathological staging of Parkinson's disease. Current research focuses on identifying potential biomarkers that may detect persons at risk for Parkinson's disease and permit early intervention with neuroprotective or disease-modifying therapeutics. SUMMARY: Recent studies provide new insights into the frequency, pathophysiology, and importance of nonmotor features in Parkinson's disease as well as the recognition that these nonmotor symptoms occur in premotor, early, and later phases of Parkinson's disease.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 ».