Blood Flow and Glucose Metabolism Dissociation in the Putamen Is Predictive of Levodopa Induced Dyskinesia in Parkinson's Disease Patients
Notice bibliographique
Résumé
Background: The forefront treatment of Parkinson’s disease (PD) is Levodopa. When patients are treated with Levodopa cerebral blood flow is increased while cerebral metabolic rate is decreased in key subcortical regions including the putamen. This phenomena is especially pronounced in patients with Levodopa-induced dyskinesia (LID). Method: To study the effect of clinically-determined anti-parkinsonian medications, ten PD patients (5 with LID and 5 without LID) have been scanned with FDG-PET (a probe for glucose metabolism) and perfusion MRI (a probe for cerebral blood flow) both when they are ON and OFF medications. Patients additionally underwent resting state fMRI to detect changes in dopamine-mediated cortico-striatal connectivity. The degree of blood flow-glucose metabolism dissociation was quantified by comparing the FDG-PET and perfusion MRI. Results: A significant interaction effect (imaging modality × medication; blood flow-glucose metabolism dissociation) has been found in the putamen (p=0.023). Post-hoc analysis revealed that anti-parkinsonian medication consistently normalized the pathologically hyper-metabolic state of the putamen while mixed effects were observed in cerebral blood flow changes. This dissociation was especially predominant in patients with LID compared to the ones without. Unlike the prior study, this differentiation was not observed when cortico-striatal functional connectivity was assessed. Conclusion: We confirmed striatal neurovascular dissociation between FDG-PET and perfusion MRI in response to clinically determined anti-parkinsonian medication. We further proposed a novel analytical method to quantify the degree of dissociation in the putamen using only the ON condition scans, Putamen-to-thalamus Hyper-perfusion/hypo-metabolism Index (PHI), which may have a potential to be used as a biomarker for LID (correctly classifying 8 out 10 patients). For wider use of PHI, a larger validation study is warranted.
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 | 0,000 | 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 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 ».