Exploratory digital outcome measures of motor sign progression in Parkinson’s disease patients treated with prasinezumab
Notice bibliographique
Résumé
Digital health technology (DHT) tools for Parkinson's disease (PD) e.g., smartphones and wearables were used for remote and frequent measurement of motor signs in the phase 2 PASADENA study of the anti-alpha-synuclein monoclonal antibody prasinezumab. 316 early-stage PD participants were randomized to placebo, 1500 mg, or 4500 mg prasinezumab for 52 weeks; placebo participants were re-randomized to prasinezumab for the ensuing 52 weeks. Patients performed daily smartphone motor "active tests", and were passively monitored by smartphone/smartwatch throughout the day over 2 y. Change from baseline analyses censored data at dopaminergic treatment start. Bilateral speeded tapping variability and hand-turning, U-turn speed, passively monitored hand movement power, and summary Simple Sum scores progressed numerically less in prasinezumab-treated vs placebo at week 52. All findings except hand-turning persisted at week 104. DHT sensor-based outcome measures may contribute to quantifying disease progression in clinical research of early-stage, dopaminergic treatment-naïve PD. Clinical Trial Registry Name: ClinicalTrials.gov; Clinical Trial Registry ID: NCT03100149; registered 2017-03-29.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».