Identifying prodromal symptoms at high specificity for Parkinson’s disease
Notice bibliographique
Résumé
Introduction: To test drugs with the potential to prevent the onset of Parkinson's disease (PD), it is key to identify individuals in the general population at high risk of developing PD. This is often difficult because most of the clinical markers are non-specific, common in PD but also common in older adults (e.g., sleep problems). Objective: We aimed to identify the clinical markers at high specificity for developing PD by comparing individuals with PD or prodromal PD to healthy controls. Methods: We investigated motor and non-motor symptoms (Movement Disorder Society Unified Parkinson's Disease Rating Scale Part 1 and 2 items) in 64 prodromal PD and 422 PD individuals calculating the odds ratios, adjusting for age and gender, for PD and prodromal PD versus 195 healthy controls. Symptoms at high specificity were defined as having an adjusted odds ratio ≥ 6. Results: Constipation had an adjusted odds ratio, 6.14 [95% CI: 2.94-12.80] showing high specificity for prodromal PD, and speech difficulties had an adjusted odds ratio, 9.61 [95% CI: 7.88-48.81] showing high specificity for PD. The proportion of participants showing these specific markers was moderate (e.g., prevalence of constipation was 43.75% in prodromal PD, and speech difficulties was 33.89% in PD), suggesting these symptoms may make robust predictors of prodromal PD and PD, respectively. Discussion: Clinical markers at high specificity for developing PD could be used as tools in the screening of general populations to identify individuals at higher risk of developing PD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».