Effects of Diabetes Mellitus on Motor and Non-Motor Symptoms in Parkinson’s Disease: A Cross-Sectional Study
Notice bibliographique
Résumé
Introduction: While there is a growing body of evidence indicating a potential connection between Parkinson’s disease and diabetes mellitus, there is a lack of focus on investigating how diabetes correlates with the severity of both motor and non-motor symptoms in Parkinson’s disease. Objective: This study examined and contrasted both motor and non-motor symptoms in patients diagnosed with Parkinson’s disease, stratified by the presence or absence of diabetes. Methods: A total of 40 Parkinson’s disease patients, divided into two groups (with and without diabetes), were assessed using various scales, including the Movement Disorders Society – Unified Parkinson’s Disease Rating Scale, Scales for Outcomes in Parkinson’s Disease - Autonomic Dysfunction and Non-Motor Symptoms, Beck Depression Inventory, Montreal Cognitive Assessment, and Parkinson’s Disease Questionnaire-39. Demographic and clinical characteristics were also recorded. Statistical analyses included t-tests, Mann-Whitney U tests, and Fisher’s exact test. Results: Significant differences were observed in the motor sub-score of postural instability and gait disturbance symptoms, autonomic total scores, urinary function domain, depression scores, and quality of life in the mobility and emotional domains between the Parkinson’s disease non-diabetes, and Parkinson’s disease - diabetes groups. Conclusions: Our study unveiled differences in motor and Non-Motor Symptoms among patients with Parkinson’s disease and diabetes, underscoring the influence of diabetes on manifestations of the disease.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».