Predictors of future deep brain stimulation surgery in de novo Parkinson’s disease: analysis of the PPMI cohort
Notice bibliographique
Résumé
Abstract Introduction: Deep brain stimulation (DBS) surgery is offered to a subset of Parkinson’s disease (PD) patients. It is unclear if there are features at diagnosis that predict future DBS surgery. Our primary aim was to assess predictors of eventual DBS surgery in de novo PD patients. A secondary aim was to characterize disease progression over four years. Methods: Subjects from the Parkinson’s Progression Marker Initiative (PPMI) database with newly diagnosed, sporadic PD (n=416) were identified and their eventual DBS status was noted (DBS+, n=43; DBS-, n=373). Fifty baseline clinical, imaging, and biospecimen features were extracted for each subject and cross-validated lasso regression was used for feature reduction. The identified features were used in multivariate logistic regression to assess their relationship with DBS status and a receiver operating characteristic curve was constructed to evaluate model performance. Linear mixed effect models were used to explore differences in disease progression over four years. Results: Age at symptom onset, Hoehn and Yahr (H&Y) stage, tremor score, and ratio of CSF Tau to amyloid-beta 1-42 (Tau:Ab) were identified as important baseline features for predicting DBS surgery. A multivariate logistic regression demonstrated age (p < .001), H&Y stage (p = 0.026), tremor score (p <.001), and CSF Tau:Ab (p = .003) independently predicted DBS surgery (area under the curve = 0.83). DBS- patients had faster memory decline (p < .05), while DBS+ patients had faster decline in H&Y stage (p < .001) and motor scores (p<0.05).View Large Image Figure ViewerDownload Hi-res image Download (PPT)View Large Image Figure ViewerDownload Hi-res image Download (PPT) Conclusion: The identified features can be used for early identification of patients who may be surgical candidates during the course of their disease. Disease progression in these groups reflects surgical eligibility criteria, with DBS- patients having more rapid decline in memory while DBS+ patients experienced a faster decline in motor scores. Research Category and Technology and Methods Clinical Research: 17. Epidemiology Keywords: Deep brain stimulation, Parkinson's disease, Predictors
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».