MétaCan
Menu
← Retour à la cohorte
Enregistrement W3157189590 · doi:10.1101/2021.04.29.21256338

Relationships between freezing of gait severity and cognitive deficits in Parkinson’s disease

2021· preprint· en· W3157189590 sur OpenAlexaboutno aff
Jamie L. Scholl, Arturo I. Espinoza, Wijdan Rai, Matt Leedom, Lee A. Baugh, Patti Berg‐Poppe, Arun Singh

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of South Dakota
Mots-clésMontreal Cognitive AssessmentCognitionMediationCognitive testPsychologyMedicinePhysical medicine and rehabilitationClinical psychologyCognitive impairmentPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Objective Evidence supports an association between freezing of gait (FOG) severity and cognitive functioning in patients with Parkinson’s disease (PD); however, results are varied. Here we sought to explore the differences in cognitive measurements via multivariable statistical models in patients with PD. Methods PD patients with (PDFOG+, n=41) and without FOG (PDFOG–, n=39) and control healthy subjects (n=41) participated in the study. The NIH toolbox cognition battery, Montreal cognitive assessment (MoCA), and interval timing task were used to test cognitive domains. Measurements were compared between groups using multivariable models and adjusting for covariates. Correlation analyses, linear regression, and mediation models were applied to examine relationships among disease duration and severity, FOG severity, and cognitive functioning. Results Significant differences were observed between controls and PD patients for all cognitive domains. PDFOG+ and PDFOG– exhibited differences in the dimensional change card sort (DCCS) test, interval timing task, and MoCA scores. After adjusting for covariates in two different models, PDFOG+ and PDFOG– differed in both MoCA and DCCS scores. In addition, significant relationships between FOG severity and cognitive function (MoCA, DCCS, and interval timing) were also found. Regression models suggest that FOG severity may be a predictor of cognitive impairment, and mediation models show the effects of cognitive impairment on the relationship between disease severity and FOG severity. Conclusions Overall, this study provides insight into the relationship between cognitive and FOG severity in patients with PD, which could aid in the development of therapeutic interventions to manage both.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,354
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetBalance, Gait, and Falls Prevention→Travaux en français237 207→