SCIENTIFIC HUB

Araştırmanın izini sürün.

SCIENTIFIC LITERATURE · MED

Parkinson hastalığında yürüyüş donmasının başlangıcını tahmin etmek.

Predicting the onset of freezing of gait in Parkinson's disease.

Makine çevirisi · Editoryal inceleme bekliyor

BMC Neurol · 2022-06-07

DOI: 10.1186/s12883-022-02713-2PMID: 35672669

Open accessresearch-article; Journal ArticleKaynağa git ↗

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Arka planGit donması, Parkinson hastalığının, düşme risklerinin yüksek olması ve yaşam kalitesinin düşük olması ile ilişkili zayıflatıcı bir belirtisidir. FoG için üretken terapi hala devam ederken, FoG'nin erken tahmini, yüksek riskli PD hastalarının önleyici önlemler almasına yardımcı olabilir. Bu çalışmada, PPMI kohortuna kayıtlı hastalardan bir dizi risk faktörü kullanan de novo PD hastalarında FoG'nin başlangıcını tahmin ettik. MethodsBaseline özellikleri, beş yıllık takip sırasında FoG (68 hasta,% 37.2, FoG öncesi grup) geliştirenler ile yapmayanlar (115 hasta,% 62.8, FoG grubu olmayanlar) arasında karşılaştırıldı. Çok değişkenli bir lojistik regresyon modeli, tek değişkenli analizde FoG başlangıcı ile ilişkili faktörlerin geriye doğru kademeli seçimine dayanarak inşa edildi. Öngörülen modelin hassasiyetini ve özgüllüğünü değerlendirmek için ROC eğrileri kullanılmıştır.SonuçlarBaşlangıçta yaş, PIGD skoru, bilişsel fonksiyonlar, otonomik fonksiyonlar, uyku davranışı, yorgunluk ve striatal DAT alımı, FoG öncesi grupta FoG grubuna göre önemli ölçüde farklıydı. Bununla birlikte, iki hasta seti arasında genetik özelliklerde bir fark yoktu. Univariate analizi, PIGD skoru, MDS-UPDRS bölüm II skoru, SDMT skoru, HVLT Anında / Toplam Geri Çağırma, MOCA, Epworth Uykuluk Ölçeği, yorgunluk, SCOPA-AUT gastrointestinal skoru, SCOPA-AUT idrar skoru ve CSF biyomarker Abeta42 dahil olmak üzere FoG ile ilişkili birkaç motor ve motor olmayan faktör gösterdi. Çok değişkenli lojistik analiz, yüksek PIGD skoru, yorgunluk, daha kötü SDMT performansı ve düşük Abeta42 seviyelerinin PD hastalarında FoG başlangıcı için bağımsız risk faktörleri olduğunu vurguladı.ŞartlarKombining motor ve PIGD skoru dahil motor dışı özellikler, zayıf bilişsel işlevler ve CSF Abeta, yüksek FoG başlangıcı riski olan PD hastalarını tanımlayabilir.

Özgün kaynak özetini okuyun

BackgroundFreezing of gait is a debilitating symptom of Parkinson's disease associated with high risks of falls and poor quality of life. While productive therapy for FoG is still underway, early prediction of FoG could help high-risk PD patients to take preventive measures. In this study, we predicted the onset of FoG in de novo PD patients using a battery of risk factors from patients enrolled in PPMI cohort.MethodsBaseline characteristics were compared between subjects who developed FoG (68 patients, 37.2%, pre-FoG group) during the five-year follow up and subjects who did not (115 patients, 62.8%, non-FoG group). A multivariate logistic regression model was built based on backward stepwise selection of factors that were associated with FoG onset in the univariate analysis. ROC curves were used to assess sensitivity and specificity of the predictive model.ResultsAt baseline, age, PIGD score, cognitive functions, autonomic functions, sleep behavior, fatigue and striatal DAT uptake were significantly different in the pre-FoG group relative to the non-FoG group. However, there was no difference in genetic characteristics between the two patient sets. Univariate analysis showed several motor and non-motor factors that correlated with FoG, including PIGD score, MDS-UPDRS part II score, SDMT score, HVLT Immediate/Total Recall, MOCA, Epworth Sleepiness Scale, fatigue, SCOPA-AUT gastrointestinal score, SCOPA-AUT urinary score and CSF biomarker Abeta42. Multivariate logistic analysis stressed that high PIGD score, fatigue, worse SDMT performance and low levels of Abeta42 were independent risk factors for FoG onset in PD patients.ConclusionsCombining motor and non-motor features including PIGD score, poor cognitive functions and CSF Abeta can identify PD patients with high risk of FoG onset.

Bilimsel değerlendirme

01

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

02

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

03

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

04

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.