Assessment of swallowing performance in patients with neurodegenerative disease: A hierarchical cluster analysis
Notice bibliographique
Résumé
BACKGROUND: Swallowing is a complex process that alters with age and neurological diseases; swallowing disorders can be a consequence of both of them. As an advanced multivariate statistical method, hierarchical cluster analysis (HCA) was utilized to make the dendrograms, which was used to find the relationship between the variables. The purpose of this study is to ascertain the type of clustering exhibited by the variables using HCA and to evaluate the approach to major neurodegenerative diseases (MND) with swallowing disorders based on the results obtained. METHODS: Data were collected from a total of 173 patients from various neurological diagnoses, such as dementia, Parkinson's disease, stroke and polyneuropathy, aging between 42 and 104 (mean of age 72.85) by using the Montreal Cognitive Assessment, the Edinburgh Feeding Evaluation Scale (EdFED), the Eating Assessment Tool (EAT-10), and the Modified Mann Swallowing Ability test. From the collected data, dendrograms were formed by using HCA with Ward linkage method. RESULTS: Based on cluster analysis results, clusters demonstrate statistical significance. They center around EdFED, EAT-10, and age in each MND. In healthy individuals, variables are not clustered as in the patient group. This study holds importance as it can give clinicians a different perspective on determining and managing the elderly population's swallowing problems. CONCLUSIONS: The HCA method explicitly proposes which variables should be examined concurrently in the clinic for MND. This research is one of the pioneering studies conducted by using the HCA method.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».