MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402759478 · doi:10.1101/2024.09.23.24314220

Distinct Longitudinal Clinical-Neuroanatomical Trajectories in Parkinson’s Disease Clinical Subtypes: Insight Towards Precision Medicine

2024· preprint· en· W4402759478 sur OpenAlexaff
Seyed‐Mohammad Fereshtehnejad, Roqaie Moqadam, Houman Azizi, Ronald B. Postuma, Mahsa Dadar, Anthony E. Lang, Connie Marras, Yashar Zeighami

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensMcGill UniversityDouglas Mental Health University InstituteMontreal Neurological Institute and HospitalToronto Western HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésParkinson's diseasePrecision medicineDiseaseNeuroscienceMedicinePhysical medicine and rehabilitationPsychologyPathology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Parkinson’s disease (PD) varies widely across individuals in clinical manifestations and course of progression. Identification and characterization of distinct biological subtypes could help explain this heterogeneity, identify the underlying pathophysiology, and predict disease progression across the subgroups of PD. Objective We aimed to compare long-term trajectories of various motor and non-motor clinical features, as well as patterns of brain atrophy between PD subtypes, using longitudinally acquired brain MRIs. Methods Data on 421 individuals with early-stage PD was retrieved from the Parkinson’s Progression Markers Initiative (PPMI), with an average follow-up time of 8.2 years until February 2024. Participants were classified into three clinical subtypes at the de novo stage using a previously validated subtyping criteria based on major motor and non-motor classifiers (early cognitive impairment, REM sleep behavior disorder (RBD), dysautonomia): ‘mild-motor predominant’ (n=223), ‘intermediate’ (n=146), and diffuse-malignant (n=52). To investigate the pattern of brain atrophy, we used T1-weighted MRIs from a subset of the PPMI population with at least two MRIs obtained, which consisted of 134 PD individuals and 60 healthy controls. Deformation-based morphometry (DBM) maps were calculated and mixed effect models were used to examine the interaction between PD subtypes and rate of atrophy across brain regions, controlling for sex and age at baseline. Results Compared to the ‘mild motor-predominant’ subtype, participants who were categorized as diffuse-malignant PD at baseline experienced greater worsening in motor severity ( p =0.007), cognition ( p <0.0001) and activities of daily living (ADL) ( p <0.0001) after 8 years. Individuals with diffuse-malignant PD showed a significantly higher rate of atrophy across multiple brain regions, including precuneus, paracentral lobule, inferior temporal gyrus, fusiform gyrus, and lateral hemisphere of the cerebellum (corrected p <0.05). Conclusion Our study revealed a distinct pattern of long-term progression in various motor and non-motor clinical outcomes between different subtypes of idiopathic PD. Furthermore, we demonstrated an accelerated atrophy pattern within several brain regions in the diffuse-malignant PD subtype. These findings suggest a more widespread and aggressive neurodegenerative process in a subgroup of people with PD, favoring the existence of diverse underlying pathophysiology with clinical relevance for future precision medicine in 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,394
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetNeurological disorders and treatments→Travaux en français237 207→