Real-World Longitudinal Experience of Botulinum Toxin Therapy for Parkinson and Essential Tremor
Notice bibliographique
Résumé
Background: Botulinum toxin type A (BoNT-A) therapy for upper-limb tremor has emerged as a promising option. However, it is unclear in real-world practices whether a technology-guided approach can compare with expert clinical assessments (including surface anatomy and palpation) for improving outcomes. This retrospective study aims to review our clinical outcomes of treating essential tremor (ET) and Parkinson’s disease (PD) tremor using either clinical- or kinematic-based injection pattern determination methods. Methods: 68 ET and 45 PD patients received at least one injection for their upper-limb tremor (unilateral or bilateral) in the last 7 years. Demographics of patients and BoNT-A injections were collected. A Mann–Whitney U statistical test was used to compare outcome measures between ET and PD cohorts. Results: Mean age (72 ± 9 years), number of injections (5), years receiving therapy (~2 years), clinic- (~57%) or kinematic-based patterns, and self-paying (52%) were similar between both cohorts. BoNT-A as a monotherapy in both upper limbs was received in more ET than PD patients. Double reconstitution of Xeomin® in the wrist flexors/extensors, supinator, biceps, and triceps were most injected. Discontinuation due to no benefit/weakness was not dependent on the injection pattern determination approach. Conclusions: Kinematic-based BoNT-A injections produced similar treatment outcomes to injections based on the clinical expertise of the expert injector. This suggests that kinematics could be used by a non-expert to attain equivalent efficacy potentially improving access to this treatment.
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 ».