Predicting cognitive decline with non-clinical markers in Parkinson’s disease (PRECODE-2)
Notice bibliographique
Résumé
OBJECTIVES: I]FP-CIT SPECT and CSF markers can predict cognitive impairment (CI) in PD patients, and provide a profile of those most at risk. METHODS: 262 de novo PD patients from the Parkinson's Progression Markers Initiative database were stratified into two CI groups at the 36-month follow-up: MoCA-defined diagnosis: PD patients who had a MoCA score < 26; neuropsychological test-defined diagnosis: PD patients with MoCA-defined diagnosis and at least two test scores (of six; irrespective of test domain) greater than 1.5 standard deviation below the mean score in healthy controls. Predictive variables of CI were divided into deciles, providing us with ideal cutoff values for each variable. RESULTS: I]FP-CIT SPECT uptake (< 1.82) had a 65% risk of developing CI at 36-month follow-up. CONCLUSION: I]FP-CIT SPECT uptake) that enables identification of early PD patients at risk of developing CI. These findings confirm previous reports of low CSF Aβ42, elevated CSF total tau and reduced dopaminergic integrity being associated with cognitive decline 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».