Does the Degree of Trunk Bending Predict Patient Disability, Motor Impairment, Falls, and Back Pain in Parkinson's Disease?
Notice bibliographique
Résumé
BACKGROUND: Postural abnormalities in Parkinson’s disease(PD) form a spectrum of functional trunk misalignment, ranging from a “typical” parkinsonian stooped posture to progressively greater degrees of spine deviation. OBJECTIVE: To analyze the association between degree of postural abnormalities and disability and to determine cut-off values of trunk bending associated with limitations in activities of daily living(ADLs), motor impairment, falls, and back pain. METHODS: The study population was 283 PD patients with ≥5° of forward trunk bending (FTB), lateral trunk bending (LTB) or forward neck bending (FNB). The degrees were calculated using a wall goniometer (WG) and software-based measurements (SBM). Logistic regression models were used to identify the degree of bending associated with moderate/severe limitation in ADLs (Movement Disorders Society Unified PD Rating Scale [MDS-UPDRS] part II ≥ 17), moderate/severe motor impairment (MDS-UPDRS part III ≥ 33), history of falls (≥ 1), and moderate/severe back pain intensity (numeric rating scale ≥ 4). The optimal cut-off was identified using receiver operating characteristic (ROC) curves. RESULTS: We found significant associations between modified Hoehn&Yahr stage, disease duration, and sex and limitation in ADLs, motor impairment, back pain intensity, and history of falls. Degree of trunk bending was associated only with motor impairment in LTB (odds ratio [OR] 1.12; 95% confidence interval [CI], 1.03-1.22). ROC curves showed that patients with LTB of 10.5° (SBM, AUC 0.626) may have moderate/severe motor impairment. CONCLUSIONS: The severity of trunk misalignment does not fully explain limitation in ADLs, motor impairment, falls, and back pain. Multiple factors possibly related to an aggressive PD phenotype may account for disability in PD patients with FTB, LTB, and FNB.
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 ».