Genetic and Clinical Predictors of Deep Brain Stimulation in Young‐Onset Parkinson's Disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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 ( LRRK 2 ), 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 , LRRK 2 , 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.
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 | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découle