Multimodal oculomotor assessment reveals prodromal markers of Parkinson’s disease in non-manifesting LRRK2 G2019S mutation carriers
Notice bibliographique
Résumé
Oculomotor behaviour changes in patients with Parkinson's disease (PD) are a promising source of prodromal disease markers. Capitalizing on this phenomenon to facilitate early diagnosis requires oculomotor assessment in prodromal cohorts. We examined oculomotor behaviour in non-manifesting LRRK2 G2019S mutation carriers (LRRK2-NM), who have heightened PD risk.Seventeen LRRK2-NM participants, 47 patients with idiopathic PD, and 63 healthy age-matched control participants completed an interleaved pro- and antisaccade task while undergoing video-based eye-tracking. We analyzed between-group differences in saccade, pupil, blink, and fixation acquisition behaviour. Patients with PD showed previously demonstrated abnormalities (saccade hypometria, antisaccade errors). Relative to controls, LRRK2-NM participants and patients with PD both displayed increased short-latency prosaccades and reduced pupil velocity, plus altered fixation acquisition-less preemptive returning of gaze to the future fixation point location. Interestingly, the effect on blink probability was opposite-higher than controls in LRRK2-NM participants but lower in patients with PD. Future longitudinal studies must confirm the viability of these features as prodromal PD markers.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».