Fixation Duration and Pupil Size as Diagnostic Tools in Parkinson’s Disease
Notice bibliographique
Résumé
BACKGROUND: Visual and oculomotor problems are very common in Parkinson's disease (PD) and by using eye-tracking such problems could be characterized in more detail. However, eye-tracking is not part of the routine clinical investigation of parkinsonism. OBJECTIVE: To evaluate gaze stability and pupil size in stable light conditions, as well as eye movements during sustained fixation in a population of PD patients and healthy controls (HC). METHODS: In total, 50 PD patients (66% males) with unilateral to mild-to-moderate disease (Hoehn & Yahr 1-3, Schwab and England 70-90%) and 43 HC (37% males) were included in the study. Eye movements were recorded with Tobii Pro Spectrum, a screen-based eye tracker with a sampling rate of 1200 Hz. Logistic regression analysis was applied to investigate the strength of association of eye-movement measures with diagnosis. RESULTS: Median pupil size (OR 0.811; 95% CI 0.666-0.987; p = 0.037) and longest fixation period (OR 0.798; 95% CI 0.691-0.921; p = 0.002), were the eye-movement parameters that were independently associated with diagnosis, after adjustment for sex (OR 4.35; 95% CI 1.516-12.483; p = 0.006) and visuospatial/executive score in Montreal Cognitive Assessment (OR 0.422; 95% CI 0.233-0.764; p = 0.004). The area under the ROC curve was determined to 0.817; 95% (CI) 0.732-0.901. CONCLUSION: Eye-tracking based measurements of gaze fixation and pupil reaction may be useful biomarkers of PD diagnosis. However, larger studies of eye-tracking parameters integrated into the screening of patients with suspected PD are necessary, to further investigate and confirm their diagnostic value.
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 | 0,007 |
| 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 | 0,000 | 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 ».