A Bayesian mathematical model of motor and cognitive outcomes in Parkinson’s disease
Notice bibliographique
Résumé
BACKGROUND: There are few established predictors of the clinical course of PD. Prognostic markers would be useful for clinical care and research. OBJECTIVE: To identify predictors of long-term motor and cognitive outcomes and rate of progression in PD. METHODS: Newly diagnosed PD participants were followed for 7 years in a prospective study, conducted at 55 centers in the United States and Canada. Analyses were conducted in 244 participants with complete demographic, clinical, genetic, and dopamine transporter imaging data. Machine learning dynamic Bayesian graphical models were used to identify and simulate predictors and outcomes. The outcomes rate of cognition changes are assessed by the Montreal Cognitive Assessment scores, and rate of motor changes are assessed by UPDRS part-III. RESULTS: The most robust and consistent longitudinal predictors of cognitive function included older age, baseline Unified Parkinson's Disease Rating Scale (UPDRS) parts I and II, Schwab and England activities of daily living scale, striatal dopamine transporter binding, and SNP rs11724635 in the gene BST1. The most consistent predictor of UPDRS part III was baseline level of activities of daily living (part II). Key findings were replicated using long-term data from an independent cohort study. CONCLUSIONS: Baseline function near the time of Parkinson's disease diagnosis, as measured by activities of daily living, is a consistent predictor of long-term motor and cognitive outcomes. Additional predictors identified may further characterize the expected course of Parkinson's disease and suggest mechanisms underlying disease progression. The prognostic model developed in this study can be used to simulate the effects of the prognostic variables on motor and cognitive outcomes, and can be replicated and refined with data from independent longitudinal studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».