Motor and non-motor predictors of freezing of gait in Parkinson's disease: A retrospective cohort study
Notice bibliographique
Résumé
INTRODUCTION: Freezing of gait (FOG) is a debilitating episodic gait disorder that significantly reduces the quality of life (QoL) in patients with Parkinson's disease (PD). Diagnosing and treating FOG remains a major medical challenge. This study aimed to assess the correlation between FOG and both motor and non-motor clinical characteristics in patients with PD. METHODS: In this retrospective cohort study, 112 patients with PD were divided into two groups using the New Freezing of Gait Questionnaire (NFOG-Q): one group with FOG (PD-FOG, 53 patients) and one group without FOG (PD-nFOG, 59 patients). The severity of PD and FOG was assessed using the Unified Parkinson's Disease Rating Scale (UPDRS), the Hoehn-Yahr (H-Y) staging system, and the NFOG-Q. The study also analyzed non-motor symptoms, including sleep disturbances, cognitive impairments, depression, anxiety, apathy, fatigue, and QoL. RESULT: The prevalence of FOG was 47.3%. The PD-FOG group exhibited a longer duration of PD (P = 0.002), a higher H-Y stage indicating PD progression (P = 0.003), and elevated anxiety levels (P = 0.003) compared to the PD-nFOG group. According to binary logistic regression analysis, the higher H-Y stage (P = 0.022), anxiety level (P = 0.005), UPDRS part II (P = 0.001), and part III (P = 0.008) were significant predictors for the occurrence of FOG. CONCLUSION: Patients with Parkinson's disease who have a higher Hoehn-Yahr (H-Y) stage, higher UPDRS score, and elevated levels of anxiety are more likely to experience FOG.
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 | 0,000 |
| 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 ».