Investigation of the Impact of Motor, Nonmotor, Cognitive, and Psychometric Features on Freezing of Gait in Parkinson's Disease
Notice bibliographique
Résumé
There are still debates regarding the pathophysiology of freezing of gait (FOG) in Parkinson's disease (PD). This study aims to investigate the potential contribution of the nonmotor symptoms in the pathophysiology of FOG. This was a cross-sectional observational cohort study where we enrolled all consecutive PD patients who applied to our movement disorders outpatient clinics at Etlik City Hospital, Ankara, Turkey, between January 2024 and August 2024. We performed comprehensive assessments including scales to evaluate both motor and nonmotor features, psychometric properties, and cognitive characteristics. In the hierarchical regression analyses, we sought to examine the contributory role of the motor, nonmotor, neuropsychological, and cognitive symptom load on FOG one by one. We included 45 PD patients with a mean age of 61.9 ± 8.6. The median disease duration was 5 years (range: 20), the median MDS-UPDRS-3-off score was 33 (range: 20.5). The comparative analyses between patients with (n = 21) and without FOG (n = 24) revealed that the scores regarding the MDS-UPDRS-1 (p = 0.04), MDS-UPDRS-3 (p = 0.00), MDS-UPDRS-3-axial subscore (p = 0.00), NMSS (p = 0.017), SMMSE (p = 0.02), forward counting (p = 0.044), backward counting (p = 0.015), JLO (p = 0.033), HAM-A (p = 0.006), and HDRS (p = 0.006) were all higher in the FOG (+) group. In the hierarchical regression analyses, the MDS-UPDRS-3-off score was the only predictive factor of FOG severity in the model evaluating the motor factors (B = 0.251, p = 0.000) and also the other models which we included the other nonmotor features one by one. Our findings showed that nonmotor symptoms, cognitive functions, and psychometric properties do not provide a contributory effect to the motor severity on the FOG severity.
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 | 0,001 | 0,002 |
| 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 ».