NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
AmaçParkinson hastalığı hafif bilişsel bozukluk (PD-MCI) için bağımsız risk faktörlerini belirlemek ve klinik göstergeleri, kan biyobelirteçini ve nörogörüntüleme verilerini entegre eden bir tahmin modeli geliştirmek, tespit ve müdahaleye yardımcı olmak.MethodsA retrospektif çalışması 150 PD hasta ile yapılmıştır. PD-MCI grubu (n = 64) ve normal bilişli PD (PD-NC, n = 86) Montreal Bilişsel Değerlendirme ölçeği kullanılarak tanımlanmıştır. Demografik, motor semptomlar, bilişsel fonksiyon, yaşam kalitesi, kan belirteçleri ve perivasküler boşluklar boyunca difüzyon tensör görüntüleme (DTI-ALPS) verileri toplandı. Tek değişkenli analizler önemli değişkenleri ve çok değişkenli lojistik regresyon bağımsız risk faktörlerini tanımlamıştır. R yazılımı kullanılarak bir nomogram tahmin modeli geliştirilmiştir. Model performansı Alıcı İşletim Karakteristik (ROC) eğrileri, bootstrap yeniden örnekleme kalibrasyon eğrileri ve karar eğrisi analizi (DCA) kullanılarak değerlendirildi.SonuçlarLevodopa eşdeğer günlük doz (LEDD), PD Yaşam Kalitesi Anketi, kreatinin, sistatin C ve ALPS indeksinde gruplar arasındaki anlamlı farklılıklar bulundu. Çok değişkenli regresyon, bağımsız risk faktörleri olarak daha yüksek LEDD (OR = 1.01,% 95CI 1.00-1.03, p = 0.005) ve kreatinin seviyelerini (OR = 1.34,% 95CI 1.10-1.66, p = 0.005) tanımladı. Nomogram modeli güçlü ayrımcı yetenek (AUC = 0.864,% 95CI 0.807-0.922) ve iyi kalibrasyon gösterdi. DCA klinik eşik aralıkları içinde önemli bir net fayda gösterdi.ConclusionBu çalışma DTI-ALPS ve klinik kan biyobelirteçlerini içeren bir PD-MCI tahmin modeli geliştirdi. LEDD ve kreatinin seviyelerinin bağımsız risk faktörleri olduğunu, erken tarama ve bireyselleştirilmiş tedavi için yüksek klinik değere sahip olduğunu doğruladı.
Özgün kaynak özetini okuyun
ObjectiveTo identify independent risk factors for Parkinson disease mild cognitive impairment (PD-MCI) and develop a prediction model integrating clinical indicators, blood biomarker, and neuroimaging data, aiding in detection and intervention.MethodsA retrospective study was conducted with 150 PD patients. The PD-MCI group (n = 64) and PD with normal cognition (PD-NC, n = 86) were identified using the Montreal Cognitive Assessment scale. Data on demographics, motor symptoms, cognitive function, quality of life, blood markers, and diffusion tensor imaging along perivascular spaces (DTI-ALPS) were collected. Univariate analysis identified significant variables, and multivariate logistic regression identified independent risk factors. A nomogram prediction model was developed using R software. Model performance was evaluated using Receiver Operating Characteristic (ROC) curves, bootstrap resampling calibration curves, and decision curve analysis (DCA).ResultsSignificant differences between the groups were found in levodopa equivalent daily dose (LEDD), PD Quality of Life Questionnaire, creatinine, cystatin C, and ALPS index. Multivariate regression identified higher LEDD (OR = 1.01, 95%CI 1.00-1.03, p = 0.005) and creatinine levels (OR = 1.34, 95%CI 1.10-1.66, p = 0.005) as independent risk factors. The nomogram model demonstrated strong discriminatory ability (AUC = 0.864, 95%CI 0.807-0.922) and good calibration. DCA showed a significant net benefit within clinical threshold ranges.ConclusionThis study developed a PD-MCI prediction model incorporating DTI-ALPS and clinical blood biomarkers. It confirmed that LEDD and creatinine levels are independent risk factors, with high clinical value for early screening and individualized treatment.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.