Serum Inflammatory Markers and Progression of Nonmotor Symptoms in Early Parkinson's Disease
Notice bibliographique
Résumé
BACKGROUND: The influence of peripheral inflammation on nonmotor symptoms (NMSs) in Parkinson's disease (PD) remains unclear. OBJECTIVE: The aim of this study was to explore whether serum inflammatory marker profiles are associated with the progression of NMSs in early PD. METHODS: We included 45 patients with early PD and 20 healthy control subjects. Six inflammatory markers, including interleukin (IL)-1β, IL-2, IL-6, IL-10, tumor necrosis factor-α, and high-sensitivity C-reactive protein, were measured. NMSs were assessed using the Non-Motor Symptoms Scale, Montreal Cognitive Assessment, and Composite Autonomic Symptom Score-31 at baseline and after 3 years. RESULTS: Principal component (PC) analysis showed that only PC3 scores, mainly loaded by IL-2 and IL-6, were significantly elevated in the PD group compared with the control group. Higher PC3 scores in the PD group were associated with faster progression of Non-Motor Symptoms Scale total and mood/apathy domain scores. There were no significant associations of PC scores with Montreal Cognitive Assessment and Composite Autonomic Symptom Score-31 score changes. CONCLUSIONS: Peripheral inflammation may be related to the evolution of NMSs, particularly mood symptoms, in the early stages of PD. © 2022 International Parkinson and Movement Disorder Society.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».