Differential Gait Decline in Parkinson’s Disease Enhances Discrimination of Gait Freezers from Non-Freezers
Notice bibliographique
Résumé
BACKGROUND: Freezing of gait (FOG) is a debilitating feature of Parkinson's disease (PD) for which treatments are limited. To develop neuroprotective strategies, determining whether disease progression is different in phenotypic variants of PD is essential. OBJECTIVE: To determine if freezers have a faster decline in spatiotemporal gait parameters. METHODS: Subjects were enrolled in a longitudinal study and assessed every 3- 6 months. Continuous gait in the levodopa ON-state was collected using a gait mat (Protokinetics). The slope of change/year in spatiotemporal gait parameters was calculated. RESULTS: 26 freezers, 31 non-freezers, and 25 controls completed an average of 6 visits over 28 months. Freezers had a faster decline in mean stride-length, stride-velocity, swing-%, single-support-%, and variability in single-support-% compared to non-freezers (p < 0.05). Gait decline was not correlated with initial levodopa dose, duration of levodopa therapy, change in levodopa dose or change in Montreal Cognitive Assessment scores (p > 0.25). Gait progression parameters were required to obtain 95% accuracy in categorizing freezers and non-freezers groups in a forward step-wise binary regression model. Change in mean stride-length, mean stride-width, and swing-% variability along with initial foot-length variability, mean swing-% and apathy scores were significant variables in the model. CONCLUSION: Freezers had a faster temporal decline in objectively quantified gait, and inclusion of longitudinal gait changes in a binary regression model greatly increased categorization accuracy. Levodopa dosing, cognitive decline and disease severity were not significant in our model. Early detection of this differential decline may help define freezing prone groups for testing putative treatments.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».