Videonystagmography features and clinical symptoms correlate with Parkinson's clinical subtypes
Notice bibliographique
Résumé
Objective: Analyzing the differences in video-nystagmography (VNG) parameters among Parkinson's disease (PD) patients with distinct motor subtypes and evaluate the correlation between VNG parameters and the severity of non-motor symptoms (NMS) in Tremer Dominant (TD)/Postural Instability/Gait Difficulty (PIGD) subtypes provides a theoretical basis for advancing the understanding of PD heterogeneity. Methods: Sixty-nine patients with PD diagnosed in the Department of Neurology of the First Affiliated Hospital of Hainan Medical College from December 2022 to January 2024 were collected. Among them, 35 were in the Tremer Dominant (TD) group, 34 were in the Postural Instability/Gait Difficulty (PIGD) group, and 38 patients with physical examination admitted in the same period were collected as the healthy control (HC) group. The subjects were assessed for motor and non-motor symptoms, and the VNG was refined to record the assessment of eye movement abnormalities in the patients. The general clinical data and VNG parameters of the subjects in the three groups were analyzed and correlation analyses were performed for clinical features and nystagmus views with intergroup differences in the PIGD and TD groups. Results: > 0.05). Conclusion: VNG shows significant differences among Parkinson's disease patients with different motor subtypes, and VNG features are correlated with non-motor symptoms.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».