P.023 Utility of neurophysiological evaluation in movement disorders clinical practice
Notice bibliographique
Résumé
Background: Quantitative and objective neurophysiological assessment can help to define the predominant phenomenology and provide diagnoses with prognostic and therapeutic implications. We evaluated retrospectively the indications and final diagnoses of movement disorder neurophysiological evaluations in a specialized movement disorders centre. Methods: Reports from 2003 to 11/2021 were reviewed. The indications were classified according to predominant phenomenology, and the diagnosis of each study was categorized in subgroups of each phenomenology. Results: A total of 525 reports were evaluated. The mean age of patients was 51 years (range 5 – 89 years), and 50% were women. The most common indication was functional movement disorders (33%), followed by jerky movements (25%), tremor (20%), unsteadiness (6%), stiff person syndrome (4%), and other less common indications (12%). The most prevalent diagnoses were functional movement disorder (37%), followed by tremor (28%), comprising of essential (6%), dystonic (5%), cerebellar (4%), parkinsonian (3%) and other types of tremors (10%); and myoclonus (21%), including cortical (8%), subcortical (3%) and undefined (10%) types. Conclusions: This 17-year experience showed that neurophysiological testing can help in the diagnosis of movement disorders. More standardized techniques will encourage the widespread use of neurophysiology to evaluate movement disorders.
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,009 | 0,004 |
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 ».