Hereditary parkinsonism: Parkinson disease look‐alikes—An algorithm for clinicians to “<i>PARK</i>” genes and beyond
Notice bibliographique
Résumé
In the past decade, a number of genetic causes of parkinsonism have been identified. As a consequence, clinicians have to consider an increasing range of differential diagnoses when confronted with a patient with parkinsonism with a positive family history. While well-established monogenic forms with PARK acronyms have been reviewed extensively, less emphasis has been placed on other inherited conditions that may also present with signs of parkinsonism or even mimic idiopathic Parkinson's disease clinically. In this review, we focus on three different scenarios in patients with an overall early age of onset of parkinsonism: (i) atypical features in patients with mutations in one of the "PARK" genes; (ii) classical parkinsonism due to mutations in "other than-PARK" genes or yet other genes where parkinsonism may be a well-recognized, concomitant, or even an isolated feature; (iii) atypical parkinsonism in other genetic disorders which are, however, typically characterized by features other than parkinsonism. Atypical features in patients from Group I include, for example, a slower disease course (PARK2, PARK6, PARK7) or dementia (PARK1/4, PARK14). Conditions in Group II have been designated by a DYT or SCA acronym (for example, DYT5 or SCA3) and also include patients with heterozygous GBA mutations, mitochondrial gene mutations. Group III comprises mutations in the FMR1, MAPT, GRN, ATP7B, PANK2, FBXO7, CHAC, FTL1, Huntingtin, JPH3 genes, and a number of even rarer, miscellaneous conditions.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,008 |
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 ».