Community Disadvantage Is Associated With More Severe Motor Symptoms in Parkinson Disease
Notice bibliographique
Résumé
Background and Objectives: The relationship between socioeconomic factors and Parkinson disease (PD) is unclear. Previous literature suggests a potential disconnect between the effect of socioeconomic status (SES) on PD risk and severity. A recent study found that people with PD in the United States were more likely to come from well-resourced communities. Multiple possible explanations were proposed, including that lower SES could be protective against PD risk. Other studies have found worsened PD symptoms and outcomes associated with lower individual SES. If environmental factors associated with lower SES influence PD biology in a way that worsens symptoms, those processes should also increase PD risk. We set out to determine whether community disadvantage, rather than individual SES, is associated with motor or cognitive symptom severity in PD and atypical parkinsonisms. Methods: Community disadvantage was defined using the Material Community Deprivation Index, a compound score of multiple poverty markers. In our Cincinnati Cohort Biomarkers Program, a cohort that includes PD and atypical parkinsonisms, we tested for associations between community disadvantage and motor symptom severity (Movement Disorders Society Unified PD Rating Scale part III; MDS-UPDRS III), motor disability (Hoehn and Yahr stage [HY]), and cognition (Montreal Cognitive Assessment [MoCA]). We considered age, sex, disease duration, levodopa equivalent daily dose, education years, and race as covariates in multiple regression analyses. Results: = 0.45). Discussion: Community disadvantage was associated with worse motor symptom severity and motor disability in PD, suggesting that there are modifiable social and environmental factors that can affect parkinsonian symptom 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 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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,002 |
| 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 ».