MétaCan
Menu
Retour à la cohorte
Enregistrement W4364369080 · doi:10.1002/mdc3.13747

Predictors of Future Deep Brain Stimulation Surgery in de novo Parkinson's Disease

2023· article· en· W4364369080 sur OpenAlexaff
Stefan Lang, Artur Vetkas, Christopher R. Conner, Lorraine V. Kalia, Andrés M. Lozano, Suneil K. Kalia

Notice bibliographique

RevueMovement Disorders Clinical Practice · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensUniversity Health NetworkOntario Brain InstituteHuntington Society of CanadaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDeep brain stimulationParkinson's diseaseLogistic regressionReceiver operating characteristicMedicineDiseaseStage (stratigraphy)Internal medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Abstract Background 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. Objective To assess predictors of eventual DBS surgery in de novo PD patients. Methods Subjects from the Parkinson's Progression Marker Initiative (PPMI) database with newly diagnosed, sporadic PD (n = 416) were identified and stratified by their eventual DBS status (DBS+, n = 43; DBS‐, n = 373). A total of 50 baseline clinical, imaging, and biospecimen features were extracted for each subject and cross‐validated lasso regression was used for feature reduction. Multivariate logistic regression assessed their relationship with DBS status and a receiver operating characteristic curve evaluated model performance. Linear mixed effect models assessed disease progression over 4 years in DBS+ and DBS‐ patients. 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. Each independently predicted DBS surgery (area under the curve = 0.83). DBS‐ patients had faster memory decline (P < 0.05), while DBS+ patients had faster decline in H&Y stage (P < 0.001) and motor scores (P < 0.05) prior to surgery. Conclusion The identified features may 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 prior to DBS surgery.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,367
Écart entre enseignants0,329 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMovement Disorders Clinical PracticeMême sujetNeurological disorders and treatmentsTravaux en français237 207