Cognition among individuals along a spectrum of increased risk for Parkinsonâs disease
Notice bibliographique
Résumé
© 2018 Chahine et al. This is an open access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited. Introduction Several characteristics associated with increased risk for Parkinson’s disease (PD) have been identified, including specific genotypes and various non-motor symptoms. Characterizing non-motor features, such as cognitive abilities, among individuals considered at-risk for PD is essential to improving prediction of future neurodegeneration. Methods Participants belonging to the following cohorts of the Parkinson Progression Markers Initiative (PPMI) study were included: de novo PD with dopamine transporter binding deficit (n = 423), idiopathic REM sleep behavior disorder (RBD, n = 39), hyposmia (n = 26) and non-PD mutation carrier (NMC; Leucine-rich repeat kinase 2 (LRRK2) G2019S (n = 88) and glucocerebrosidase (GBA) gene (n = 38) mutations)). Inclusion criteria enriched the RBD and hyposmia cohorts, but not the NMC cohort, with individuals with dopamine transporter binding deficit. Baseline neuropsychological performance was compared, and analyses were adjusted for age, sex, education, and depression. Results The RBD cohort performed significantly worse than the hyposmia and NMC cohorts on Symbol Digit Modality Test (mean (SD) 32.4 (9.16) vs. 41.8 (9.98), p = 0.002 and vs. 45.2 (10.9), p<0.001) and Judgment of Line Orientation (11.3 (2.36) vs.12.9 (1.87), p = 0.004 and vs. 12.9 (1.87), p<0.001). The RBD cohort also performed worse than the hyposmia cohort on the Montreal Cognitive Assessment (25.5 (4.13) vs. 27.3 (1.71), p = 0.02). Hyposmics did not differ from PD or NMC cohorts on any cognitive test score. Conclusion Among individuals across a spectrum of risk for PD, cognitive function is worse among those with the characteristic most strongly associated with future risk of PD or dementia with Lewy bodies, namely RBD.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».