Differentiating cognitive or motor dimensions associated with the perception of fall-related self-efficacy in Parkinson’s disease
Notice bibliographique
Résumé
In Parkinson's disease (PD), concurrent declines in cognitive and motor domain function can severely limit an individual's ability to conduct daily tasks. Current diagnostic methods, however, lack precision in differentiating domain-specific contributions of cognitive or motor impairments based on a patients' clinical manifestation. Fear of falling (FOF) is a common clinical manifestation among the elderly, in which both cognitive and motor impairments can lead to significant barriers to a patients' physical and social activities. The present study evaluated whether a set of analytical and machine-learning approaches could be used to help delineate boundary conditions and separate cognitive and motor contributions to a patient's own perception of self-efficacy and FOF. Cognitive and motor clinical scores, in conjunction with FOF, were collected from 57 Parkinson's patients during a multi-center rehabilitation intervention trial. Statistical methodology was used to extract a subset of uncorrelated cognitive and motor components associated with cognitive and motor predictors, which were then used to independently identify and visualize cognitive and motor dimensions associated with FOF. We found that a central cognitive process, extracted from tests of executive, attentional, and visuoperceptive function, was a unique and significant independent cognitive predictor of FOF in PD. In addition, we provide evidence that the approaches described here may be used to computationally discern specific types of FOF based on separable cognitive or motor models. Our results are consistent with a contemporary model that the deterioration of a central cognitive mechanism that modulates self-efficacy also plays a critical role in FOF in 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».