Iron deposition in subcortical nuclei of Parkinson’s disease: A meta-analysis of quantitative iron-sensitive magnetic resonance imaging studies
Notice bibliographique
Résumé
BACKGROUND: Iron deposition plays a crucial role in the pathophysiology of Parkinson's disease (PD), yet the distribution pattern of iron deposition in the subcortical nuclei has been inconsistent across previous studies. We aimed to assess the difference patterns of iron deposition detected by quantitative iron-sensitive magnetic resonance imaging (MRI) between patients with PD and patients with atypical parkinsonian syndromes (APSs), and between patients with PD and healthy controls (HCs). METHODS: A systematic literature search was conducted on PubMed, Embase, and Web of Science databases to identify studies investigating the iron content in PD patients using the iron-sensitive MRI techniques (R2 * and quantitative susceptibility mapping [QSM]), up until May 1, 2023. The quality assessment of case-control and cohort studies was performed using the Newcastle-Ottawa Scale, whereas diagnostic studies were assessed using the Quality Assessment of Diagnostic Accuracy Studies-2. Standardized mean differences and summary estimates of sensitivity, specificity, and area under the curve (AUC) were calculated for iron content, using a random effects model. We also conducted the subgroup-analysis based on the MRI sequence and meta-regression. RESULTS: Seventy-seven studies with 3192 PD, 209 multiple system atrophy (MSA), 174 progressive supranuclear palsy (PSP), and 2447 HCs were included. Elevated iron content in substantia nigra (SN) pars reticulata ( P <0.001) and compacta ( P <0.001), SN ( P <0.001), red nucleus (RN, P <0.001), globus pallidus ( P <0.001), putamen (PUT, P = 0.021), and thalamus ( P = 0.029) were found in PD patients compared with HCs. PD patients showed lower iron content in PUT ( P <0.001), RN ( P = 0.003), SN ( P = 0.017), and caudate nucleus ( P = 0.017) than MSA patients, and lower iron content in RN ( P = 0.001), PUT ( P <0.001), globus pallidus ( P = 0.004), SN ( P = 0.015), and caudate nucleus ( P = 0.001) than PSP patients. The highest diagnostic accuracy distinguishing PD from HCs was observed in SN (AUC: 0.85), and that distinguishing PD from MSA was found in PUT (AUC: 0.90). In addition, the best diagnostic performance was achieved in the RN for distinguishing PD from PSP (AUC: 0.86). CONCLUSIONS: Quantitative iron-sensitive MRI could quantitatively detect the iron content of subcortical nuclei in PD and APSs, while it may be insufficient to accurately diagnose PD. Future studies are needed to explore the role of multimodal MRI in the diagnosis of PD. REGISTRISION: PROSPERO (CRD42022344413).
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 | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,029 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».