MétaCan
Menu
Retour à la cohorte
Enregistrement W3014358481 · doi:10.1093/sleep/zsz323

Diagnosing REM sleep behavior disorder in Parkinson’s disease without a gold standard: a latent-class model study

2020· article· en· W3014358481 sur OpenAlexaboutno aff
Michela Figorilli, Ana Marquès, Mario Meloni, Maurizio Zibetti, Céline Lambert, Monica Puligheddu, Alessandro Cicolin, Leonardo Lopiano, Franck Durif, Maria Livia Fantini

Notice bibliographique

RevueSLEEP · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésREM sleep behavior disorderPolysomnographyGold standard (test)CohortLatent class modelDiagnostic accuracyConcomitantPsychologyMedicinePsychiatryInternal medicineStatisticsElectroencephalography

Résumé

récupéré en direct d'OpenAlex

STUDY OBJECTIVES: To ascertain whether current diagnostic criteria for REM sleep behavior disorder (RBD) are appropriate in patients with Parkinson's disease (PD) consulting a movement disorder center, to evaluate the accuracy of REM sleep without atonia (RSWA) thresholds and determine the value of screening questionnaires to discriminate PD patients with RBD. METHODS: One hundred twenty-eight consecutive PD patients (M = 80; mean age: 65.6 ± 8.3 years) underwent screening questionnaires, followed by a sleep-focused interview and a full-night video-polysomnography (vPSG). Without a gold standard, latent class models (LCMs) were applied to create an unobserved ("latent") variable. Sensitivity analysis was performed using RSWA cutoff derived from two visual scoring methods. Finally, we assessed the respective diagnostic performance of each diagnostic criterion for RBD and of the screening questionnaires. RESULTS: According to the best LCM-derived model, patients having either "history" or "video" with RSWA or alternatively showing both "history" and "video" without RSWA were classified as having RBD. Using both SINBAR and Montreal scoring methods, RSWA criterion showed the highest sensitivity while concomitant history of RBD and vPSG-documented behaviors, regardless to presence of RSWA, displayed the highest specificity. Currently recommended diagnostic threshold of RSWA was found to be optimal in our large cohort of PD patients. Both the RBD screening questionnaire (RBDSQ) and the RBD single question (RBD1Q) showed poor sensitivity and specificity. CONCLUSIONS: Results of the best LCM for diagnosis of RBD in PD were consistent with the current diagnostic criteria. Moreover, RBD might be considered in those PD patients with both history and vPSG-documented dream enactment behaviors, but with RSWA values within the normal range.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,286
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSLEEPMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207