Longitudinal analysis of the relationship between motor and psychiatric symptoms in idiopathic dystonia
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Although psychiatric diagnoses are recognized in idiopathic dystonia, no previous studies have examined the temporal relationship between idiopathic dystonia and psychiatric diagnoses at scale. Here, we determine rates of psychiatric diagnoses and psychiatric medication prescription in those diagnosed with idiopathic dystsuponia compared to matched controls. METHODS: A longitudinal population-based cohort study using anonymized electronic health care data in Wales (UK) was conducted to identify individuals with idiopathic dystonia and comorbid psychiatric diagnoses/prescriptions between 1 January 1994 and 31 December 2017. Psychiatric diagnoses/prescriptions were identified from primary and secondary health care records. RESULTS: Individuals with idiopathic dystonia (n = 52,589) had higher rates of psychiatric diagnosis and psychiatric medication prescription when compared to controls (n = 216,754, 43% vs. 31%, p < 0.001; 45% vs. 37.9%, p < 0.001, respectively), with depression and anxiety being most common (cases: 31% and 28%). Psychiatric diagnoses predominantly predated dystonia diagnosis, particularly in the 12 months prior to diagnosis (incidence rate ratio [IRR] = 1.98, 95% confidence interval [CI] = 1.9-2.1), with an IRR of 12.4 (95% CI = 11.8-13.1) for anxiety disorders. There was, however, an elevated rate of most psychiatric diagnoses throughout the study period, including the 12 months after dystonia diagnosis (IRR = 1.96, 95% CI = 1.85-2.07). CONCLUSIONS: This study suggests a bidirectional relationship between psychiatric disorders and dystonia, particularly with mood disorders. Psychiatric and motor symptoms in dystonia may have common aetiological mechanisms, with psychiatric disorders potentially forming prodromal symptoms of idiopathic dystonia.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».