Detecting the Cognitive Prodrome of Dementia in Parkinson’s Disease
Notice bibliographique
Résumé
BACKGROUND: More than 75% of Parkinson's disease (PD) patients will develop dementia. Previous studies on the cognitive predictors of dementia in PD had some methodological limitations and the cognitive tests identified as good predictors vary greatly. OBJECTIVE: This prospective cohort study aims to identify the optimal cognitive predictors of dementia in PD using complementary statistical methods. METHODS: Eighty PD patients without dementia underwent polysomnographic recording, a neurological examination, and a complete neuropsychological assessment at baseline. They were then followed for a mean of 4.3 years. Baseline group comparisons and survival analyses were used to identify optimal cognitive predictors. Moreover, patients who developed dementia were pair-matched at baseline according to age, sex, and education to healthy controls (2 : 1), and receiver operating characteristic curves were calculated for cognitive tests. RESULTS: At follow-up, 23 patients (29%) developed dementia. PD patients who developed dementia had poorer baseline performance and a higher proportion of clinically impaired performance on several cognitive tests. Impaired baseline performance on the Block Design subtest was the best independent predictor of dementia (HR = 8). Moreover, the Trail Making Test part B (time) and Verbal Fluency (semantic) had the best psychometric properties (area under the curve >0.90) for identifying PD patients at risk of dementia. CONCLUSION: The present study identified three cognitive tests as the most accurate to detect individuals with PD at high risk of developing dementia.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».