Non‐motor Symptom Scales in Pediatric Movement Disorders: A Call for Diagnostic‐Specific Tools
Notice bibliographique
Résumé
The importance of considering non-motor symptoms (NMS) in the assessment of patients with movement disorders is widely recognized.1 In adults, symptoms such as pain, sleep disturbances, anxiety, fatigue, and cognitive dysfunction can be systematically evaluated, sometimes with validated, condition-specific scales.2, 3 For example, the Pain in Dystonia Scale (PIDS) has been recently developed for pain assessment across the spectrum of adult-onset isolated dystonia.4 In children, however, the evaluation of NMS remains inconsistent, fragmented, and poorly standardized.1 Yet, NMS are often disabling and have substantial consequences for the quality of life of children with movement disorders and their families.5 In a recent scoping review,6 we provide a timely overview of NMS scales used in children with movement disorders, focusing on the three most prevalent conditions, namely dystonia, tics, and cerebral palsy (CP).7-9 We identified a large and heterogeneous set of instruments across 382 studies. They were mostly borrowed from neurological conditions typically presenting in adulthood and other pediatric psychiatric conditions, leaving one to wonder whether they have similar accuracy and clinical relevance also in pediatric movement disorders. Here, we advocate for the development of condition-specific, developmentally appropriate, and clinically meaningful tools, and outline key priorities for achieving this goal.
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 | 0,089 | 0,185 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,014 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».