Evaluation of the PREDIGT score’s performance in identifying newly diagnosed Parkinson’s patients without motor examination
Notice bibliographique
Résumé
Several recent publications described algorithms to identify subjects with Parkinson's disease (PD). In creating the "PREDIGT Score", we previously developed a hypothesis-driven, simple-to-use formula to potentially calculate the incidence of PD. Here, we tested its performance in the 'De Novo Parkinson Study' (DeNoPa) and 'Parkinson's Progression Marker Initiative' (PPMI); the latter included participants from the 'FOllow Up persons with Neurologic Disease' (FOUND) cohort. Baseline data from 563 newly diagnosed PD patients and 306 healthy control subjects were evaluated. Based on 13 variables, the original PREDIGT Score identified recently diagnosed PD patients in the DeNoPa, PPMI + FOUND and the pooled cohorts with area-under-the-curve (AUC) values of 0.88 (95% CI 0.83-0.92), 0.79 (95% CI 0.72-0.85), and 0.84 (95% CI 0.8-0.88), respectively. A simplified version (8 variables) generated AUC values of 0.92 (95% CI 0.89-0.95), 0.84 (95% CI 0.81-0.87), and 0.87 (0.84-0.89) in the DeNoPa, PPMI, and the pooled cohorts, respectively. In a two-step, screening-type approach, self-reported answers to a questionnaire (step 1) distinguished PD patients from controls with an AUC of 0.81 (95% CI 0.75-0.86). Adding a single, objective test (Step 2) further improved classification. Among seven biological markers explored, hyposmia was the most informative. The composite AUC value measured 0.9 (95% CI 0.88-0.91) in DeNoPa and 0.89 (95% CI 0.84-0.94) in PPMI. These results reveal a robust performance of the original PREDIGT Score to distinguish newly diagnosed PD patients from controls in two established cohorts. We also demonstrate the formula's potential applicability to enriching for PD subjects in a population screening-type approach.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 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) | 0,001 | 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 ».