P.015 Long-term progression and prognosis in different subtypes of Parkinson’s disease: validation of a new multi-domain subtyping method
Notice bibliographique
Résumé
Background: Parkinson’s disease (PD) varies in clinical manifestations and course of progression from person to person. Identification of distinct PD subtypes is of great priority to develop personalized care approaches. We aimed to compare long-term progression and prognosis between different PD subtypes. Methods: Data on 421 individuals with de novo early-onset PD was retrieved from Parkinson’s Progression Markers Initiative (PPMI). Using a newly developed multi-domain subtyping method (based on motor phenotype, RBD, autonomic disturbance, early cognitive deficit), we divided PD population into three subtypes at baseline: “mild motor-predominant”, “Diffuse malignant” and “Intermediate”. Rate of global progression (mixed motor and non-motor features) and developing dementia were compared between the subtypes. Results: Patients with “diffuse malignant” PD experienced 0.5 z-score further worsening of global composite outcome (p=0.017) and 2.2 further decline in MOCA score (p=0.001) after 6-years of follow-up. Hazard for MCI/dementia was significantly higher in “diffuse malignant” (HR=3.2, p<0.001) and “intermediate” (HR=1.8, p<0.001) subtypes. Individuals with “diffuse malignant” PD had the lowest level of CSF amyloid-beta (p=0.006) and SPECT striatal binding ratio (p=0.001). Conclusions: This multi-domain subtyping is a valid method to predict subgroups of PD with distinct patterns of long-term progression at drug-naïve early-stage with potential application in real-life clinical practice.
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 | 0,018 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».