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 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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».