A Comparative Study of Objective Outcome Measures Used in Clinical Trials of Freezing of Gait 
Notice bibliographique
Résumé
Abstract Background: Freezing of gait (FOG) is notoriously difficult to quantify, leading to multiple metrics utilized as outcomes for clinical trials. The instrumented timed up a go and the many parameters that can be derived from it are commonly used as objective markers of gait severity in FOG trials, however it is unknown if they represent FOG severity. Objective: To determine the specificity and responsiveness of objective surrogate markers of FOG severity commonly utilized in FOG studies. Methods: Markers compared included: velocity, step/stride length, step/stride length variability, TUG, and turn duration. Data was collected in four conditions (ON and OFF dopaminergic drugs, with and without a dual task). Unified Parkinson’s Disease rating scale (UPDRS) was administered in the ON and OFF states. Results: 33 subjects were recruited (17 PD subjects without FOG (PD-control), and 16 subjects with PD and dopa-responsive FOG PD-FOG). The UPDRS motor scores were: 24.9 for the PD-control group in the ON state, 24.8 for the FOG group in the ON state, 42.4 for the FOG group in the OFF state. Significant mean differences between the ON and OFF conditions were observed with all surrogate markers (p<0.01). However, only dual task turn duration and step variability showed trends toward significance when comparing PD-control and ON-FOG (p=0.08). Test-retest reliability was high (ICC >0.90) for all markers except standard deviations. Step length variability was the only marker to show an area under the ROC curve analysis >0.70 comparing ON-FOG vs. PD-control. Conclusions: Multiple candidate surrogate markers for FOG severity showed responsiveness to levodopa challenge, however, most were not specific for FOG severity.
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 | 0,226 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,018 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».