The Influence of <scp>GBA</scp> and <scp>LRRK2</scp> on Mood Disorders in Parkinson's Disease
Notice bibliographique
Résumé
ABSTRACT Background Mood disorders have emerged as major non‐motor comorbidities in Parkinson's disease (PD) even at the prodromal stage of the disease. Mutations in the LRRK2 and GBA genes are common among Ashkenazi Jews, with more severe phenotype reported for GBA ‐PD. Objective To explore the association between genetic status and mood related disorders before and after diagnosis of PD and the association between mood‐related medications, phenotype, and genetic status. Methods Participants were genotyped for mutations in the LRRK2 and GBA genes. State of depression, anxiety and non‐motor features were evaluated using validated questionnaires. History of mood disorders prior to diagnosis of PD and use of mood‐related medications were assessed. Results The study included 105 idiopathic PD (iPD), 55 LRRK2 ‐PD and 94 GBA ‐PD. Scores on mood related questionnaires and frequency of depression and anxiety before diagnosis were similar between the groups ( p >0.05). However, more GBA ‐PD patients used mood related medications before PD diagnosis than LRRK2 ‐PD and iPD (16.5% vs 7.1% and 8.2%, p =0.044). LRRK2 ‐PD and GBA ‐PD receiving mood‐related medications at time of assessment had worse motor and non‐motor phenotype compared to those that did not ( p <0.05). LRRK2 ‐PD receiving mood related‐medications at time of assessment, scored higher on mood‐related questionnaires compared to LRRK2 ‐PD not receiving such medications ( p <0.04). Conclusions Prodromal GBA ‐PD are more frequently treated with mood related‐medications despite equal rates of reported mood‐related disorders, while LRRK2 ‐PD with mood‐related disorders experience high rates of anxiety and depression despite treatment, attesting to the need of more precise assessment and treatment of these genetic subgroups.
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 | 0,002 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».