CSF β-amyloid <sub>42</sub> and risk of freezing of gait in early Parkinson disease
Notice bibliographique
Résumé
<h3>Objective</h3> To determine whether CSF biomarkers can be used as a predictor of freezing of gait (FOG) in Parkinson disease (PD) and to investigate the predictive value of clinical, dopamine transporter (DAT) imaging, and CSF parameters both separately and in combination. <h3>Methods</h3> This study using the PPMI data included 393 patients with newly diagnosed PD without FOG at baseline. We evaluated CSF for β-amyloid 1-42 (Aβ<sub>42</sub>), α-synuclein, total tau, phosphorylated tau<sub>181</sub>, and the calculated ratio of Aβ<sub>42</sub> to total tau at baseline. Demographic and clinical data and DAT imaging results were also investigated. Cox proportional-hazards regression analyses were performed to identify the factors predictive of FOG. From these results, we constructed a predictive model for the development of FOG. <h3>Results</h3> During a median follow-up of 4.0 years, only Aβ<sub>42</sub> among the CSF biomarkers was associated with the development of FOG (hazard ratio 0.997, 95% confidence interval [CI] 0.996–0.999, <i>p</i> = 0.009). Postural instability gait difficulty (PIGD) score, caudate DAT uptake, and, to a lesser extent, male sex, Movement Disorders Society Unified Parkinson9s Disease Rating Scale motor score, and Montreal Cognitive Assessment score were also predictive of FOG. The combined model integrating the PIGD score, caudate DAT uptake, and CSF Aβ<sub>42</sub> achieved a better discriminative ability (area under the curve 0.755, 95% CI 0.700–0.810) than any factor alone. <h3>Conclusion</h3> We found CSF Aβ<sub>42</sub> to be a predictor of FOG in patients with early PD. Furthermore, the development of FOG within 4 years after diagnosis of PD can be predicted with acceptable accuracy with our risk model.
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 ».