Predictive model for the therapeutic effect of bilateral subthalamic nucleus deep brain stimulation on the freezing of gait in Parkinson’s disease
Notice bibliographique
Résumé
Background: Freezing of gait (FOG) is a major disabling symptom that affects the quality of life of patients with Parkinson's disease (PD). To date, notions regarding the effects of deep brain stimulation of the subthalamic neucleus (STN-DBS) on FOG remain controversial. Therefore, we developed a prediction model based on the influence of bilateral deep brain stimulation (DBS) of the subthalamic nucleus (STN) on FOG in patients with PD. Methods: = 36). The selected characteristics in the LASSO regression were used in multivariate logistic regression to build the prediction model. The receiver operating characteristic (ROC) curves were constructed for the training and validation sets to verify the model's efficiency. Results: Independent variables in the prediction model included Unified Parkinson's Disease Rating Scale II (UPDRS II), UPDRS IV, leg rigidity, Montreal Cognitive Assessment (MoCA) score, and Mini-Mental State Examination (MMSE) score. The prediction model formula is as follows: Logit(y) = -1.0043 + 0.159 × UPDRS II + 0.030 × UPDRS IV - 1.726 × leg rigidity + 0.121 × MoCA + 0.036 × MMSE. To validate the model, we analyzed the ROC curves of the training and validation sets. The area under the ROC curve (AUC) of internal validation was 0.869 (95% confidence interval [CI]: 0.771-0.967) and the AUC of external validation was 0.845 (95% CI: 0.6526-1). The calibration plots showed good calibration. Conclusion: The model we developed can effectively assist clinicians in assessing the efficacy of deep brain stimulation of the bilateral subthalamic nucleus for freezing of gait in Parkinson's disease patients. This approach can support the formulation of personalized treatment plans and has the potential to improve patient outcomes.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».