Nomogram to Predict Cognitive State Improvement after Deep Brain Stimulation for Parkinson’s Disease
Notice bibliographique
Résumé
PURPOSE: Parkinson's disease (PD) is a common neurodegenerative disease, for which cognitive impairment is a non-motor symptom (NMS). Bilateral subthalamic nucleus deep brain stimulation (STN-DBS) is an effective treatment for PD. This study established a nomogram to predict cognitive improvement rate after STN-DBS in PD patients. METHODS: We retrospectively analyzed 103 PD patients who underwent STN-DBS. Patients were followed up to measure improvement in MoCA scores one year after surgery. Univariate and multivariate logistic regression analyses were used to identify factors affecting improvement in cognitive status. A nomogram was developed to predict this factor. The discrimination and fitting performance were evaluated by receiver operating characteristics (ROC) analysis, calibration diagram, and decision curve analysis (DCA). RESULTS: Among 103 patients, the mean improvement rate of the MoCA score was 37.3% and the median improvement rate was 27.3%, of which 64% improved cognition, 27% worsened cognition, and 8.7% remained unchanged. Logistic multivariate regression analysis showed that years of education, UPDRSIII drug use, MoCA Preop, and MMSE Preop scores were independent factors affecting the cognitive improvement rate. A nomogram model was subsequently developed. The C-index of the nomogram was 0.98 (95%CI, 0.97-1.00), and the area under the ROC was 0.98 (95%CI 0.97-1.00). The calibration plot and DCA demonstrated the goodness-of-fit between nomogram predictions and actual observations. CONCLUSION: Our nomogram could effectively predict the possibility of achieving good cognitive improvement one year after STN-DBS in patients with PD. This model has value in judging the expected cognitive improvement of patients with PD undergoing STN-DBS.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».