Personalized Bilateral Upper Limb Essential Tremor Therapy with Botulinum Toxin Using Kinematics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Variability of multi-joint essential tremor (ET) between patients and within the two upper limbs makes a visual assessment for the determination of botulinum toxin type A (BoNT-A) injections challenging. Kinematic tremor analysis guidance has succeeded in overcoming this challenge by making effective long-term unilateral BoNT-A injections for disabling ET. In this open-label study, 31 ET participants received three bilateral arm BoNT-A injection cycles over 30 weeks with follow-ups six-weeks post-treatment. Whole-arm kinematic assessment of tremor using a customized, automated algorithm provided muscle selection and dosing per muscle without clinician’s assessment. Efficacy endpoints included Fahn-Tolosa-Marin tremor scale, quality of life (QoL) questionnaire, and maximum grip strength. BoNT-A reduced tremor amplitude by 47.7% in both the arms at week-6 (p < 0.005) that persisted from weeks 18–30. QoL was improved by 26.5% (p < 0.005) over the treatment period. Functional interference due to tremor was reduced by 30% (p < 0.005) from weeks 6–30. Maximum grip strength was reduced at week 6 (p = 0.001) but was not functionally impaired for the participants. Effective bilateral ET therapy by personalized BoNT-A injections could be achieved using computer-assisted tremor analysis. By removing variability inherent within the clinical assessments, this standardized tremor analysis method enabled patients to have improved bimanual upper limb functionality after the first treatment.
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.
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) | 0,002 | 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 découle