Influencing factors and prediction model construction of cognitive impairment in young⁃old patients with Parkinson's disease
Notice bibliographique
Résumé
ObjectiveTo investigate the risk factors for cognitive impairment in the young⁃old patients with Parkinson's disease（PD），and to construct a prediction model based on the risk factors.MethodsA total of 164 young⁃old PD patients who completed the 5⁃year follow⁃up from PPMI database were included in this study.Montreal Cognitive Assessment（MoCA） was used to assess cognitive function. 164 young⁃old PD patients were divided into cognitive normal group（PD⁃NC） and cognitive impairment group（PD⁃CI）.Logistic regression analysis was used to explore the risk factors for cognitive impairment in young⁃old patients with PD，and a predictive model was constructed based on these factors.ResultsAmong 164 young⁃old PD patients，101 were in the PD⁃NC group and 63 were in the PD⁃CI group， and the incidence of cognitive impairment was 38.4%.Logistic regression analysis showed that age，years of education，MDS⁃UPDRSⅡ and MDS⁃UPDRS Ⅲ scores entered the regression equation.The AUC of the constructed prediction model was 0.815.ConclusionsThe cognitive function of young⁃old patients with PD is affected by age，years of education， activities of daily living and motor function.The established prediction model has good discrimination and calibration，which can provide a reference for early screening and intervention of cognitive impairment in young⁃old 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 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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».