Evolución del deterioro cognitivo en Parkinson en función de las pruebas de screening cognitivo.
Bibliographic record
Abstract
Clásicamente, la enfermedad de Parkinson (EP) se ha concebido como una patología eminentemente motora. Actualmente, sin embargo, la clínica no motora se considera un aspecto muy importante dentro de su espectro clínico, como es el caso del deterioro cognitivo leve (DCL), que supone una alta carga adicional de morbilidad en estos pacientes. Es por ello que el desarrollo de métodos de detección precoz de déficit cognitivo es muy importante para poder evaluar su progresión y riesgo de conversión en demencia. <br />El objetivo de este estudio fue comparar las diferencias en el tiempo de seguimiento (a los 0, 1 y 2 años) en la correlación existente entre la puntuación del test MoCA-MIS y la funcionalidad, medida a través del PD-CFRS, con la correlación entre la puntuación total de MoCA y la funcionalidad del mismo grupo de pacientes.<br />Para ello se llevó a cabo un estudio descriptivo, observacional y retrospectivo en el que se analizaron los datos de pacientes con diagnóstico de sospecha de EP sin demencia del Servicio de Neurología del Hospital Universitario Miguel Servet. Se realizó el análisis estadístico comparando la correlación entre las variables que reflejaban la funcionalidad de los pacientes y su estado cognitivo basal que, posteriormente, fue comparado con su funcionalidad al año y a los dos años. Además, se realizó un modelo lineal de efectos mixtos para comparar qué modelo predictivo aportaba mejor criterio de información en el riesgo de conversión a demencia. El registro de la funcionalidad se llevó a cabo a través de la herramienta PD-CFRS y los métodos de detección precoz utilizados fueron la Evaluación Cognitiva de Montreal (MoCA) que se comparó con el Memory Index Score del MoCA (MoCA-MIS). <br />Se concluyó que la puntuación que ofrece el test MoCA-MIS tiene mayor potencia, a corto plazo, como modelo predictivo de conversión a demencia que la puntuación total del MoCA en pacientes con enfermedad de Parkinson sin demencia.<br /><br />
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".