MétaCan
Menu
← Retour à la cohorte
Enregistrement W6891538891 · doi:10.3969/j.issn.1672-6731.2018.08.008

Alteration of heart rate variability in patients with Parkinson's disease after subthalamic nucleus deep brain stimulation: a Meta-analysis

2018· article· en· W6891538891 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeart rate variabilitySubthalamic nucleusDeep brain stimulationParkinson's diseaseDiseaseHeart failureCohort

Résumé

récupéré en direct d'OpenAlex

Objective To evaluate the changes of heart rate variability (HRV) after subthalamic nucleus deep brain stimulation (STN-DBS) in patients with Parkinson's disease (PD). Methods Retrieve relevant cohort studies from online databases (January 1, 2000-December 1, 2017) in PubMed, EMBASE/SCOPUS, Cochrane Online Library, China National Knowledge Infrastructure (CNKI), Wanfang Data and VIP database with key words: subthalamic nucleus, deep brain stimulation, DBS, STN, electrical stimulation, Parkinson disease, heart rate variability. Low-frequency power (LF), high-frequency power (HF) and LF/HF of HRV were applied as evaluation indexes. Quality of studies was evaluated by using Newcastle-Ottawa Scale (NOS). All data were pooled by RevMan 5.3 software for Meta-analysis. Results We enrolled 28 English articles, from which 6 studies with NOS score 7 were chosen after excluding duplicates and those not meeting the inclusion criteria. A total of 101 PD patients undergoing STN-DBS were included. Meta-analysis showed that there were no significant differences in the LF of HRV (SMD = 0.050, 95%CI: -0.230-0.330; P = 0.740), HF of HRV (SMD = 0.160, 95%CI: - 0.120-0.430; P = 0.270), and LF/HF of HRV (SMD = 0.110, 95%CI: -0.220-0.440; P = 0.500) in patients with PD before and after the treatment of STN-DBS. Conclusions STN-DBS does not change HRV of patients with PD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,019
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0160,047
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,480
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetNeurological disorders and treatments→Travaux en français237 207→