Advances in the Role of Neuroimaging to Monitor Disease Progression in 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
Since structural imaging has generally failed to demonstrate consistent abnormalities in Parkinson’s disease (PD), from an imaging perspective, the diagnosis has typically been based upon the demonstration of impaired striatal dopamine (DA) function. Radiotracer imaging techniques such as positron emission tomography (PET) and single photon emission computerised tomography (SPECT) allow the in vivo assessment of nigrostriatal DA function as well as regional cerebral blood flow, glucose metabolism, and functional connectivity, and changes in these measures have been used to infer disease progression. Pre-synaptic radiotracer imaging (RTI) has shown that striatal dopaminergic hypofunction follows a negative exponential pattern with the fastest rate of decline in early disease. Moreover, while striatal subregions remain differentially affected throughout the course of disease, with the posterior putamen affected more than anterior structures, the rate of deterioration is similar in all subregions. However, although functional imaging is undoubtedly a very useful tool in the assessment of PD progression, various studies have shown discordance between clinical progression of PD and nigrostriatal degeneration estimated by PET or SPECT. Therefore, considerable caution is warranted in the interpretation of imaging findings. While a potentially invaluable complement in assessing the severity of dopaminergic dysfunction, functional imaging is not a substitute for clinical assessment and other objective measures of PD severity, and cannot be currently considered a biomarker for progression of PD.
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 | 0,000 | 0,001 |
| 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