Parkinson Disease: The Relationship Between Non-motor Symptoms and Motor Phenotype
Notice bibliographique
Résumé
BACKGROUND: Parkinson disease (PD) presents with motor and non-motor symptoms (NMS). The NMS often precede the onset of motor symptoms, but may progress throughout the disease course. Tremor dominant, postural instability gait difficulty (PIGD), and indeterminate phenotypes can be distinguished using Unified PD Rating scales (UPDRS-III). We hypothesized that the PIGD phenotype would be more likely to develop NMS, and that the non-dopamine-responsive axial signs would correlate with NMS severity. METHODS: We conducted a retrospective cross-sectional chart review to assess the relationship between NMS and PD motor phenotypes. PD patients were administered the NMS Questionnaire, the UPDRS-III, and the Mini-Mental State Examination score. The relationship between NMS burden and PD subtypes was examined using linear regression models. The prevalence of each NMS among difference PD motor subtypes was analyzed using chi-square test. RESULTS: PD patients with more advanced disease based on their UPDRS-III had higher NMS Questionnaire scores. The axial component of UPDRS-III correlated with higher NMS. There was no correlation between NMS and tremor scores. There was a significant correlation between PIGD score and higher NMS burden. PIGD group had higher prevalence in most NMS domains when compared with tremor dominant and indeterminate groups independent of disease duration and severity. CONCLUSIONS: NMS profile and severity vary according to motor phenotype. We conclude that in the PD population, patients with a PIGD phenotype who have more axial involvement, associated with advanced disease and poor motor response, have a higher risk for a higher NMS burden.
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 | 0,003 | 0,004 |
| 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 | 0,002 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; 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 ».