Clinical Phenotype, Predictors and Early Biomarkers of Dyskinetic Cerebral Palsy Prognosis
Notice bibliographique
Résumé
BACKGROUND: Dyskinetic cerebral palsy (DCP) is a severe subtype of cerebral palsy in which children often present substantial functional impairment and multiple comorbidities. Our knowledge of the clinical picture of DCP is limited and our understanding of which markers best predict later impairment is scarce. This study aims to describe the presentation of DCP and examine the value of gestational age (GA) and magnetic resonance imaging (MRI) findings as early markers of eventual DCP prognosis. METHODS: Data from 170 children with DCP were extracted from the Canadian Cerebral Palsy Registry. Participants were classified as preterm or full-term and were divided into two groups based on MRI results: (1) normal/nonspecific, white matter injury, watershed injury, focal insult, malformation and (2) deep grey matter injury, and near total grey matter injury. Pearson Chi-square analyses were carried out to examine how DCP-associated risk factors and comorbidities vary with GA and MRI findings. RESULTS: Most children with DCP are born at term (69%), experience severe motor impairments (70% with Gross Motor Function Classification System and 73% with Manual Ability Classification System Levels IV-V), and present more than one comorbidity (46%). GA is associated with neonatal encephalopathy, hyperbilirubinemia, perinatal adversity, higher Manual Ability Classification System level, epilepsy and deafness (P < 0.01, P = 0.04, P < 0.01, P < 0.01, respectively). MRI findings are associated with neonatal encephalopathy, and perinatal adversity (P = 0.003), but not motor and speech impairment or any of the DCP-associated comorbidities. CONCLUSIONS: DCP is a severe form of CP affecting predominantly term-born infants. Relative to MRI findings, GA is a stronger predictor of eventual DCP prognosis.
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 | 0,000 |
| 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 ».