Non motor symptoms in progressive supranuclear palsy: prevalence and severity
Notice bibliographique
Résumé
Abstract NMSs have been extensively studied in PD patients but not in other forms of parkinsonism such as Progressive Supranuclear Palsy (PSP). The primary objective of this study was to analyze the frequency, severity and the type of non-motor symptoms (NMS) in PSP patients using the non-motor symptoms scale (NMSS). The secondary objective was to differentiate NMS between PSP and Parkinson’s disease (PD). We enrolled in this cross-sectional study 50 consecutive PSP and 100 matched Parkinson’s disease (PD) patients, in the proportion PSP/PD = 1/2, matched in age, sex, and disease duration. Motor and Non Motor symptoms (different scales for each disease) were evaluated at baseline using PSP scale, SCOPA Motor, Montreal Cognitive Assessment (MOCA), HADS, Hamilton, and Non Motor Symptom scale (NMSS). Comparative analysis was done using chi-squared test, Mann-Whitney test and Fisher’s exact test. Fifty PSP (56% female) and 100 PD (59% female) patients completed the study protocol and were included for statistical analysis. The NMSS total domains score in the PSP group was 77.58 ± 42.95 (range 14–163) with NMS burden grade: 4, very severe, and the in the PD group was 41.97 ± 35.45 (range: 0–215) with NMS burden grade: 3, severe. The comparative analysis showed that NMS total score ( p < 0.0001), Sleep/Fatigue ( p = 0.0007), Mood/Apathy ( p = 0.0001), Gastrointestinal ( p < 0.0001), and Urinary dysfunction ( p = 0.0001) domains were significantly more severe in PSP patients than in PD. This observational study reports that NMSs are very frequent in PSP patients hence the higher burden of NMS in PSP specifically related to mood/apathy, attention/memory, gastrointestinal, urinary disturbances compared to 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.
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 ».