Effects of dopaminergic medication on upper limb motor function, strength and hand dexterity in people with Parkinson’s disease
Notice bibliographique
Résumé
Background: Dopaminergic medications improve motor symptoms and hand dexterity in people with Parkinson's disease (PD). The contribution of altered muscle contractile properties to these functional improvements are not well understood. Objective: To compare the treated (ON) and untreated (OFF) states in people with PD to examine effects of dopaminergic medication on hand dexterity, motor symptom severity, muscle twitch properties and maximal voluntary contraction (MVC). Methods: Sixteen individuals with PD (mean disease duration 6.4 years) completed two sessions: one ON and one OFF dopaminergic medication. Measures included motor symptom severity (MDS-UPDRS III), Grooved Pegboard Test (GPT) time, Purdue Pegboard Test (PPT) peg count, elbow flexion MVC, voluntary activation, and electrically induced twitch properties. Results: MDS-UPDRS III subscores improved by 27 % ON dopaminergic medication compared to OFF medication, and performance improved on GPT (11 %) and PPT (34 %; p < 0.05). Comparing ON and OFF states, electrically induced contractile properties did not differ, while voluntary elbow flexor MVC increased by 4 %. Normalized MVC was moderately associated with GPT and PPT performance in both ON (GPT: r = -0.48, PPT: r = 0.48) and OFF (GPT: r = -0.61, PPT: r = 0.45) states. Motor symptom severity in the OFF state showed moderate correlations with GPT (r = 0.48) and PPT (r = -0.58), but these associations were not significant in the ON phase (p > 0.05). Conclusion: Dopaminergic treatment improved motor symptoms, hand dexterity, and strength, without altering electrically induced contractile properties. Improved hand dexterity during treatment appears to be linked to strength gains independent of peripheral muscle changes.
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 | 0,000 |
| 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 ».