Evaluation of the PREDIGT Score in Discriminating Parkinson Disease from Neurological Health
Notice bibliographique
Résumé
Abstract Background We previously created the PREDIGT Score as an algorithm to predict the incidence of Parkinson disease. The model rests on a hypothesis-driven formula, [P R =(E+D+I)xGxT], that uses numerical values for five categories known to modulate Parkinson’s risk (P R ): environmental exposure (E); DNA variants (D); evidence of gene-environment interactions (I); gender (G); and time (T). Notably, the formula does not rely on motor examination results. Methods To evaluate the PREDIGT Score, we tested it in two established case-control cohorts: ‘De Novo Parkinson Study’ (DeNoPa) and ‘Parkinson’s Progression Marker Initiative’ (PPMI). Using baseline data from 589 patients and 309 controls enrolled in the DeNoPa and PPMI cohorts, we evaluated the PREDIGT Score’s discriminative performance in distinguishing Parkinson’s patients from healthy controls by area-under-the-curve (AUC) analyses. Findings When examining cohorts separately and using all available variables in each cohort to calculate the PREDIGT Score, AUCs were 0.83 (95% CI 0.77-0.89) for DeNoPa and 0.87 (95% CI 0.84-0.9) for PPMI, respectively, in distinguishing Parkinson disease patients from healthy individuals. When combining DeNoPa and PPMI data sets by using eleven variables that had been collected in both cohorts, the PREDIGT Score discriminated patients from controls with an AUC of 0.84 (95% CI 0.81-0.87). The mean score of Parkinson disease patients was significantly higher than that of control individuals at 108.48 (+52.08) and 47.33 (+34.1), respectively (p < 0.0001). Interpretation Our results demonstrate a robust performance of the original PREDIGT Score in distinguishing patients diagnosed with Parkinson disease from neurologically healthy subjects without reliance on motor examination data. In future efforts, the predictive performance of the algorithm will be studied in longitudinal cohorts of at-risk persons. Funding Parkinson Canada, Michael J. Fox Foundation, Department of Medicine (The Ottawa Hospital), Uttra & Subash Bhargava Family, Paracelsus-Elena-Klinik Kassel, Parkinson Fond Deutschland, and Deutsche Parkinson Vereinigung.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».