Impulsive-compulsive behaviors in <i>parkin</i> -associated Parkinson disease
Notice bibliographique
Résumé
OBJECTIVE: The aim of this multicenter, case-control study was to investigate the prevalence and severity of impulsive-compulsive behaviors (ICBs) in a cohort of patients with parkin-associated Parkinson disease (PD) compared to a group of patients without the mutation. METHODS: We compared 22 patients with biallelic parkin mutations (parkin-PD) and 26 patients negative for parkin, PINK1, DJ-1, and GBA mutations (PD-NM), matched for age at onset, disease duration, levodopa, and dopamine agonist equivalent daily dose. A semistructured interview was used to diagnose each of the following ICBs: compulsive sexual behavior, compulsive buying, binge eating, punding, hobbyism, and compulsive medication use. The Questionnaire for Impulsive-Compulsive Disorders in Parkinson's Disease-Rating Scale (QUIP-RS) was adopted to rate ICB severity. RESULTS: Frequency of patients with at least one ICB was comparable between parkin-PD and PD-NM. Nevertheless, when analyzing the distribution of specific ICBs, a higher frequency of compulsive shopping, binge eating, and punding/hobbyism was found in the parkin-PD group. Compared to PD-NM, parkin-PD patients with ICB had younger onset age and higher frequency of smokers; in 5 patients, ICB had predated PD onset. Total and partial (compulsive buying, compulsive sexual behavior, binge eating, hobbyism/punding) QUIP-RS scores were higher in patients with parkin-PD compared to patients with PD-NM. Logistic regression analysis showed that the presence of parkin mutations was associated with smoking status and higher QUIP-RS total score. CONCLUSIONS: Our data expand the parkin-associated phenotypic spectrum demonstrating higher frequency and severity of specific ICBs, and suggesting an association between the parkin genotype, smoking status, and ICB severity.
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) | 0,000 | 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 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 ».