Characteristic Motor and Nonmotor Symptoms Related to Quality of Life in Drug-Naïve Patients with Late-Onset Parkinson Disease
Notice bibliographique
Résumé
BACKGROUND/AIMS: Unlike young-onset Parkinson disease (YOPD), characteristics of late-onset PD (LOPD) have not yet been clearly elucidated. We investigated characteristic features and symptoms related to quality of life (QoL) in LOPD patients. METHODS: We recruited drug-naïve, early PD patients. The patient cohort was divided into 3 subgroups based on patient age at onset (AAO): the YOPD group (AAO <50 years), the middle-onset PD (MOPD) group, and the LOPD group (AAO ≥70 years). Using various scales for motor symptoms (MS) and non-MS (NMS) and QoL, we compared the clinical features and impact on QoL. RESULTS: Of the 132 enrolled patients, 26 were in the YOPD group, 74 in the MOPD group, and 32 in the LOPD group. Among parkinsonian symptoms, patients in the LOPD group had a lower score on the Korean version of the Montreal Cognitive Assessment than the other groups. Logistic regression analysis showed genitourinary symptoms were related to the LOPD group. Linear regression analysis showed both MS and NMS were correlated with QoL in the MOPD group, but only NMS were correlated with QoL in the LOPD group. Particularly, anxiety and fatigue affected QoL in the LOPD group. CONCLUSION: LOPD patients showed different characteristic clinical features, and different symptoms were related with QoL for LOPD than YOPD and MOPD patients.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».