Facial tremor in patients with Parkinson’s disease: prevalence, determinants and impacts on disease progression
Notice bibliographique
Résumé
BACKGROUND: Facial (lip and jaw) tremor (FT) is associated with Parkinson's disease (PD) but few studies have been conducted to explore its clinical profile. We performed this study to investigate the prevalence and clinical correlates of FT in PD, and further to evaluate its effect on disease progression. METHODS: A retrospective, cross-sectional (n = 2224) and longitudinal (n = 674) study was conducted. The presence of FT was based on a ≥ 1 score in the United PD Rating Scale (UPDRS) item 20A. Group comparisons were conducted, followed by a forward binary logistic regression analysis. Inverse probability of treatment weighting (IPTW) based on the propensity score and weighted or unweighted Cox regression models were used to explore the impact of FT on five clinical milestones including death, UPDRS III 11-point increase, Hoehn and Yahr (H&Y) stage reaching 3, dyskinesia development, and Montreal Cognitive Assessment 3-point decrease. RESULTS: FT was presented in 403 patients (18.1%), which showed increasing trends with disease duration and H&Y score. Age (P < 0.001), female (P < 0.001), disease duration (P = 0.001), speech (P = 0.011), rigidity (P = 0.026), rest tremor on limbs (P < 0.001), kinetic tremor on hands (P < 0.001), and axial symptoms (P = 0.013) were independent factors associated with FT. Both unweighted and weighted Cox regression models indicated that baseline FT and FT as the initial symptom were not associated with the five outcomes. CONCLUSIONS: Our study suggested that FT was not uncommon and provided a deeper insight into the characteristics of FT in PD. The predict value of FT on long-term progronis of PD may need future longer follwe-up study.
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 ».