Commercially available products for the digital tracking of biomarkers in Parkinson's Disease
Notice bibliographique
Résumé
Background Parkinson’s Disease (PD) is a debilitating neurological disorder which affects 8.5 million people globally. Diagnosis of PD is made upon presentation of motor symptoms. However, there is a well-recognised prodromal phase of PD, when patients experience non-motor symptoms, and subtle motor symptoms, before the onset of the cardinal motor symptoms. Biomarkers of this prodromal phase can provide a diagnostic window into early disease processes, assisting with differential diagnosis of PD and enabling earlier treatment. Due to increased availability of commercially-available products, both wearable devices and smartphone applications are being explored for potential to identify PD biomarkers. Such products can provide clinicians with early warning of disease progression, and supply researchers with tools for monitoring PD outside of laboratory settings. Methods This systematic review critically examined the academic literature published in the English language to identify currently-available products designed to track biomarkers of PD across 6 databases between January 2000 and March 2025. Results 27 papers were identified which captured physiological biomarkers in PD patients using commercially-available products. Current products emphasize the capture of early motor dysfunction through both upper limb and eye movements. There is a lack of literature on the validation of commercially-available products for the detection of PD, despite an increase in advanced data analysis algorithms. Conclusion There is a critical need for validation of devices for the tracking of biomarkers of PD, which may be utilised for detection during the prodromal phase.
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 | 0,002 | 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 ».