A study on predicting malnutrition risk in Parkinson’s disease patients using a nomogram model
Notice bibliographique
Résumé
Background: Parkinson's disease (PD) is a progressive neurodegenerative disorder that signif- icantly impacts the quality of life of affected individuals. Among the myriad of complications associated with PD, malnutrition has emerged as a critical concern, contributing to adverse clinical outcomes, including increased morbidity and mortality. Existing clinical assessments for identify- ing malnutrition, however, often lack the requisite precision and efficacy for early prediction, thus necessitating improved methodologies to address this gap. Methods: This study aimed to develop and validate a predictive nomogram model specifically de- signed for the early identification of malnutrition risk among individuals diagnosed with PD. Con- ducted between February 2022 and December 2023, this cross-sectional research enrolled a cohort of 163 patients from various inpatient and outpatient settings. Nutritional status was assessed using the Mini Nutritional Assessment (MNA) tool, while univariate and multivariate logistic regression analyses were employed to pinpoint critical risk factors contributing to malnutrition. Results: The analysis revealed several significant risk factors, including gender, body mass index (BMI), Gastrointestinal Symptom Rating Scale (GCSI) scores, Montreal Cognitive Assessment (MoCA) scores, and Barthel Index scores. The developed nomogram demonstrated an impressive area under the curve (AUC) of 0.92, with a sensitivity of 77.5% and specificity of 88%. Further- more, a cutoff risk score of 0.39 was established. Internal validation utilizing bootstrap methods yielded a concordance index (C-index) of 0.92, while calibration curves illustrated a strong align- ment between actual and predicted malnutrition risks. Conclusions: The notable prevalence of malnutrition among patients with PD accentuates the ur- gent need for effective screening tools. The validated nomogram model proposed in this study offers a promising approach for predicting malnutrition risk, ultimately aiming to enhance clin- ical outcomes within this vulnerable population. Future research may focus on integrating this nomogram into routine clinical practice to facilitate timely interventions and improve patient man- agement.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».