Levodopa Equivalent Daily Dosage: Geographical Variations and Real‐Life Modules in Parkinson's Disease
Notice bibliographique
Résumé
BACKGROUND: The Levodopa Equivalent Daily Dosage (LEDD) calculation algorithms help in capturing and harmonization of Parkinson's Disease (PD) therapies. Analyzing these updates is essential for validating their effectiveness. OBJECTIVE: To assess updated LEDD conversion factors in capturing the newer therapies in PD and therapy modules in different geographical cohorts. METHODS: Data were sourced from 10 Centers from 6 countries representing 2 different continents. The study compared the LEDD conversion factors proposed by Tomlinson et al and Jost et al, alongside investigating demographic disparities. RESULTS: The analysis involved 2943 subjects; 87% (n = 2577) met the UK Brain Bank criteria for PD. The LEDD differed significantly across methodologies (Tomlinson vs. Jost, 598 mg vs 610 mg, P < 0.0001). Geographical disparities highlighted variations in PD onset age (P < 0.0001). Jost and Tomlinson's calculations demonstrated consistency within but significant differences across countries (P < 0.0001).Age at onset revealed statistically significant differences in LEDD requirements (P < 0.0001), which were particularly higher in 21-50 years (718 mg vs 566 mg). This subgroup also demonstrated increased usage of non-Levodopa therapies (P < 0.0001). Men exhibited higher total LEDD (P = 0.001). 34% reported dyskinesia, associated with higher LEDD (756 mg, P < 0.0001). Surgically treated patients also had higher LEDD (P < 0.0001) and a significant difference between Jost and Tomlinson dosages (761 mg vs716mg) reflecting the incorporation of newer therapeutic molecules. CONCLUSION: This analysis delineates the importance of updated LEDD algorithms and intricacies in the landscape of PD treatment, underscored by geographical, age-related, and gender-specific variations, in real-life management scenarios.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».