MétaCan
Menu
Retour à la cohorte
Enregistrement W4280637761 · doi:10.3390/jpm12050813

Personalized Care in Late-Stage Parkinson’s Disease: Challenges and Opportunities

2022· review· en· W4280637761 sur OpenAlexaff
Margherita Fabbri, Miguel Coelho, Michela Garon, Roberta Biundo, Tiago Mestre, Angelo Antonini

Notice bibliographique

RevueJournal of Personalized Medicine · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésMedicineDiseaseParkinson's diseasePalliative careDementiaPsychological interventionHealth careIntensive care medicinePhysical medicine and rehabilitationPhysical therapyNursing

Résumé

récupéré en direct d'OpenAlex

Late-stage Parkinson's disease (LSPD) patients are highly dependent on activities of daily living and require significant medical needs. In LSPD, there is a significant caregiver burden and greater health economic impact compared to earlier PD stages. The clinical presentation in LSPD is dominated by motor and non-motor symptoms (NMS) that most of the time have a sub-optimal to no response to dopaminergic treatment, especially when dementia is present. Non-pharmacological interventions, including physiotherapy, cognitive stimulation, speech, occupational therapy, and a specialized PD nurse, assume a key role in LSPD to mitigate the impact of disease milestones or prevent acute clinical worsening and optimize the management of troublesome NMS. However, the feasibility of these approaches is limited by patients' cognitive impairment and the difficulty in delivering care at home. The present care challenge for LSPD is the ability to offer a person-centered, home-delivered palliative care model based on Advanced Care Planning. An ongoing European multicentric project, PD_Pal, aims to address this challenge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,154
Tête enseignante GPT0,362
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personalized MedicineMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207