MétaCan
Menu
Retour à la cohorte
Enregistrement W2302865139 · doi:10.1002/mdc3.12309

Genetic and Clinical Predictors of Deep Brain Stimulation in Young‐Onset Parkinson's Disease

2016· article· en· W2302865139 sur OpenAlexaff
Gian Pal, Deborah A. Hall, Bichun Ouyang, Jessica Phelps, Roy N. Alcalay, Michael W. Pauciulo, William C. Nichols, Lorraine N. Clark, Helen Mejia‐Santana, Lucia M. Blasucci, Christopher G. Goetz, Cynthia L. Comella, Amy Colcher, Ziv Gan‐Or, Guy A. Rouleau, Karen Marder

Notice bibliographique

RevueMovement Disorders Clinical Practice · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institutes of Health
Mots-clésDeep brain stimulationLogistic regressionOdds ratioMedicineInternal medicineConfidence intervalParkinson's diseaseGlucocerebrosidaseDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Objective In a cohort of patients with young‐onset Parkinson's disease (PD), the authors assessed (1) the prevalence of genetic mutations in those who enrolled in deep brain stimulation (DBS) programs compared with those who did not enroll DBS programs and (2) specific genetic and clinical predictors of DBS enrollment. Methods Subjects were participants from 3 sites (Columbia University, Rush University, and the University of Pennsylvania) in the Consortium on Risk for Early Onset Parkinson's Disease (CORE‐PD) who had an age at onset < 51 years. The analyses presented here focus on glucocerebrosidase (GBA), leucine‐rich repeat kinase 2 (LRRK2), and parkin (PRKN) mutation carriers. Mutation carrier status, demographic data, and disease characteristics in individuals who did and did not enroll in DBS were analyzed. The association between mutation status and DBS placement was assessed in logistic regression models. Results Patients who had PD with either GBA, LRRK2, or PRKN mutations were more common in the DBS group (n = 99) compared with the non‐DBS group (n = 684; 26.5% vs. 16.8%, respectively; P = 0.02). In a multivariate logistic regression model, GBA mutation status (odds ratio, 2.1; 95% confidence interval, 1.0–4.3; P = 0.05) was associated with DBS surgery enrollment. However, when dyskinesia was included in the multivariate logistic regression model, dyskinesia had a strong association with DBS placement (odds ratio, 3.8; 95% confidence interval, 1.9–7.3; P < 0.0001), whereas the association between GBA mutation status and DBS placement did not persist (P = 0.25). Conclusions DBS populations are enriched with genetic mutation carriers. The effect of genetic mutation carriers on DBS outcomes warrants further exploration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,367
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMovement Disorders Clinical PracticeMême sujetNeurological disorders and treatmentsTravaux en français237 207