MétaCan
Menu
Retour à la cohorte
Enregistrement W4308722353 · doi:10.3389/fneur.2022.1041014

APDM gait and balance measures fail to predict symptom progression rate in Parkinson's disease

2022· article· en· W4308722353 sur OpenAlexaboutno aff
D. Campbell Dewey, Shilpa Chitnis, Morgan McCreary, Ashley Gerald, Chadrick H. Dewey, Alexander Pantelyat, Ted M. Dawson, Liana S. Rosenthal, Richard B. Dewey

Notice bibliographique

RevueFrontiers in Neurology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institutes of HealthUniversity of Texas Southwestern Medical Center
Mots-clésGaitBalance (ability)Parkinson's diseasePhysical medicine and rehabilitationMedicinePhysical therapyRegressionRegression analysisDiseasePsychologyInternal medicineStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Parkinson's disease (PD) results in progressively worsening gait and balance dysfunction that can be measured using computerized devices. We utilized the longitudinal database of the Parkinson's Disease Biomarker Program to determine if baseline gait and balance measures predict future rates of symptom progression. We included 230, 222, 164, and 177 PD subjects with 6, 12, 18, and 24 months of follow-up, respectively, and we defined progression as worsening of the following clinical parameters: MDS-UPDRS total score, Montreal Cognitive Assessment, PDQ-39 mobility subscale, levodopa equivalent daily dose, Schwab and England score, and global composite outcome. We developed ridge regression models to independently estimate how each gait or balance measure, or combination of measures, predicted progression. The accuracy of each ridge regression model was calculated by cross-validation in which 90% of the data were used to estimate the ridge regression model which was then tested on the 10% of data left out. While the models modestly predicted change in outcomes at the 6-month follow-up visit (accuracy in the range of 66-71%) there was no change in the outcome variables during this short follow-up (median change in MDS-UPDRS total score = 0 and change in LEDD = 0). At follow-up periods of 12, 18, and 24 months, the models failed to predict change (accuracy in the held-out sets ranged from 42 to 60%). We conclude that this set of computerized gait and balance measures performed at baseline is unlikely to help predict future disease progression in PD. Research scientists must continue to search for progression predictors to enhance the performance of disease modifying clinical trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207