NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Özet Arkaplan: Derin beyin stimülasyonu (DBS) gelişmiş Parkinson hastalığı (PD) için oldukça etkili bir cerrahi tedavi olarak ortaya çıkmıştır. Levodopa meydan okuma testinde iyi yanıt, ameliyat için en uygun adayları belirlemek için kriter olarak önerilmiştir. Bununla birlikte, levodopa ve DBS'ye verilen yanıt her zaman aynı değildir ve levodopa testinin tahmin edici değeri tartışmalıdır. Bu çalışma, DBS'ye yanıtın tahminlerini belirlemek ve DBS adaylığını değerlendiren yeni bir tahmin modeli geliştirmek için hazırlanmıştır. Yöntemler: İşte, 2016-2019 yılları arasında ikili globus pallidus interna (GPi) DBS uygulanan 62 ardışık PD hastasını retrospektif olarak analiz ettik. UPDRS-III (Birleşik Parkinson Hastalığı Derecelendirme Ölçeği III) toplamında ve bir yıllık takipte ameliyat sonrası subkorlarında yapılan değişiklikler değerlendirildi ve potansiyel tahminör değişkenler de toplandı. 29 hastanın eğitim kohortunda, GPi DBS tedavi sonuçlarını çok değişkenli bir doğrusal analizde tahmin etmek için bu değişkenler üzerinde uygulanan 5 kat çapraz doğrulamalı yeni bir makine öğrenme yöntemi geliştirdik. Ayrıca, makine öğrenme modeli, 33 GPi DBS PD hastasının başka bir kohortu ile harici olarak doğrulandı.Sonuçlar: GPi DBS, PD hastalarının postoperatif motor fonksiyonunu önemli ölçüde geliştirdi. Genel UPDRS-III skorları % 30,4 oranında iyileşti, titremede en yüksek iyileşme (% 75.0), ardından uzuv bradikinezi (% 27,5), sertlik (% 27,3) ve eksenel bradikinezi (% 22,4). En ilgi çekici olanı, titremedeki iyileşme, bu tahmin modeli kullanılarak yüksek doğrulukla tahmin edilebilir (mutlak iyileştirme için ayarlanmış R2 = 0.82 ve göreli iyileştirme için ayarlanmış R2 = 0.76), ilaç dışı titreme subscore'un en güçlü preoperatif öngörücü olarak tanımlandığı. Harici doğrulama kohortunda, makine öğrenme yöntemi iyi bir tahmin performansı gösterdi. Mevcut tahmin modelinin iyi performansı, klinik preoperatif değişkenlere dayanan GPi DBS'den sonra makine öğrenimine dayalı motor yanıt tahmininin faydasını gösterdi.
Özgün kaynak özetini okuyun
Abstract Background: Deep brain stimulation (DBS) has emerged as a highly effective surgical treatment for advanced Parkinson’s disease (PD). Good response in levodopa challenge test has suggested as criterion to identify optimal candidates for surgery. However, the response to levodopa and DBS is not always congruent, and predictive value of the levodopa test remains controversial. This study was set out to identify predictors of response to DBS and develop a novel prediction model evaluating DBS candidacy. Methods: Herein, we retrospectively analyzed 62 consecutive PD patients who underwent bilateral globus pallidus interna (GPi) DBS from 2016 to 2019. The changes in UPDRS-III (Unified Parkinson’s Disease Rating Scale part III) total and subscores after surgery at one-year follow-up were evaluated and potential predictor variables were also collected. In the training cohort of 29 patients, we developed a novel machine learning method with 5-fold cross validations implementing on these variables to predict GPi DBS treatment outcomes in a multivariate linear analysis. Furthermore, the machine learning model was externally validated with another cohort of 33 GPi DBS PD patients.Results: GPi DBS significantly improved postoperative motor function of PD patients. The overall UPDRS-III scores improved by 30.4%, with highest improvement in tremor (75.0%), followed by limb bradykinesia (27.5%), rigidity (27.3%) and axial bradykinesia (22.4%). Most intriguingly, improvement in tremor can be predicted with high accuracy using this prediction model (adjusted R2= 0.82 for absolute improvement, and adjusted R2 = 0.76 for relative improvement), in which off medication tremor subscore was identified as the most powerful preoperative predictor. In the external validation cohort, the machine learning method showed good predictive performance.Conclusions: We confirmed the effects of bilateral GPi-DBS with a one-year follow-up. The good performance of the present prediction model demonstrated the utility of machine-learning based motor response prediction after GPi DBS, based on clinical preoperative variables.
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.