Risk Factor Profile in Parkinson’s Disease Subtype with REM Sleep Behavior Disorder
Notice bibliographique
Résumé
BACKGROUND: Numerous large-scale studies have found diverse risk factors for Parkinson's disease (PD), including caffeine non-use, non-smoking, head injury, pesticide exposure, and family history. These studies assessed risk factors for PD overall; however, PD is a heterogeneous condition. One of the strongest identifiers of prognosis and disease subtype is the co-occurrence of rapid eye movement sleep behavior disorder (RBD).In previous studies, idiopathic RBD was associated with a different risk factor profile from PD and dementia with Lewy bodies, suggesting that the PD-RBD subtype may also have a different risk factor profile. OBJECTIVE: To define risk factors for PD in patients with or without associated RBD. METHODS: In a questionnaire, we assessed risk factors for PD, including demographic, medical, environmental, and lifestyle variables of 189 PD patients with or without associated polysomnography-confirmed RBD. The risk profile of patients with vs. without RBD was assessed with logistic regression, adjusting for age, sex, and disease duration. RESULTS: PD-RBD patients were more likely to have been a welder (OR = 3.11 (1.05-9.223), and to have been regular smokers (OR = 1.96 (1.04-3.68)). There were no differences in use of caffeine or alcohol, other occupations, pesticide exposure, rural living, or well water use. Patients with RBD had a higher prevalence of the combined family history of both dementia and parkinsonism (13.3% vs. 5.5% , OR = 3.28 (1.07-10.0). CONCLUSION: The RBD-specific subtype of PD may also have a different risk factor profile.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
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; un appel candidat d’une seule tête enseignante, 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 ».