Tailoring Motor Fluctuation Treatment: Beyond Levodopa Dose Adjustment
Notice bibliographique
Résumé
Susan Fox opened this satellite symposium at the 8th European Academy of Neurology (EAN) Congress with an overview of the concept of motor fluctuations (MF) in Parkinson’s disease (PD). She emphasised that levodopa remains the gold standard therapy for PD. However, MFs are one of the critical complications of levodopa therapy that affect many patients with advancing PD and, when diagnosed, represent a challenge in patient management. Alternative options are, therefore, needed to provide continuous dopaminergic stimulation while maximising the levodopa benefit. Despite different options, Angelo Antonini showed that neurologists often prefer to adjust levodopa dose rather than add an adjunctive agent. Market research confirms that, in patients with PD, the levodopa dose is adjusted in around 80% of patients, while only 20% have adjunct therapy as a first-line option. Adjusting the levodopa dose, either by increasing or fractionating the dose, or both, remains a valid, tried-and-tested option, although it has limitations. Joaquim Ferreira presented emerging evidence from a Phase II clinical trial, suggesting a potential benefit of adding opicapone 50 mg compared with 100 mg levodopa to treat patients with PD and end-of-dose fluctuations. This symposium aimed to present the effect of opicapone with relatively low total daily doses of levodopa; an option that may not have been traditionally considered by neurologists who are used to adjusting levodopa as a first-line response.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,009 | 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 ».