Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les modèles prévisionnels ont pu plus exactement trouver la maladie de Parkinson de stade précoce

Va-t-il comment votre odorat ? Vous trouvez-vous remuer avec un bulldozer fréquemment hors circuit au cours de la journée ou battre environ pendant les rêves ? Souvent, la maladie de Parkinson de stade précoce ne présente pas avec des sympt40mes particuliers de bruit de moteur, rendant le diagnostic problématique. Maintenant, les neurologistes à l'université de York ont trouvé que cinq modèles différents qui emploient ces types de non-moteur cliniques ainsi que variables biologiques à prévoient plus exactement la maladie de Parkinson de stade précoce.

Leur analyse de cinq-modèle est une de la première utilisant des variables cliniques et biologiques seulement de non-moteur. Quelques modèles ont exécuté mieux que d'autres mais tous ont discerné la maladie de Parkinson (préclinique) de stade précoce des contrôles sains et d'âge comparable, avec meilleur que 80 pour cent d'exactitude. Les modèles peuvent aider à une gestion plus opportune de futures demandes de règlement pendant qu'ils deviennent procurables, selon l'étude publiée dans les frontières en neurologie aujourd'hui.

Suivre la méthode modèle multiple comme première passe pour le diagnostic soyez également une alternative moins invasive à employer l'échographie traditionnelle de traceur radioactif (DaTscan) habituellement employée pour évaluer des patients.

L'auteur important de l'étude, le candidat Charles Leger de Ph.D., et son superviseur Joseph DeSouza, département de psychologie de laboratoire de professeur agrégé à l'université de York, disent que l'objectif était de développer les modèles qui pourraient être employés pour prévoir, avec plus grand que 80 pour cent de rendement, ceux avec la pathologie de Parkinson de stade précoce contre ceux sans maladie apparente.

Dans l'étude, deux analyses indépendantes ont été conduites : un pour la catégorie de la première maladie de Parkinson contre des contrôles, et l'autre pour la catégorie de premier Parkinson contre SWEDD (échographies sans preuve de déficit de dopamine). La condition SWEDD se rapporte à l'absence, plutôt que la présence, d'une anomalie de représentation dans les patients cliniquement présumés pour avoir la maladie de Parkinson.

« En ce moment, il n'y a aucun remède pour la maladie de Parkinson. Tous que nous savons sont maintenant les signes et les sympt40mes et nous pouvons seulement traiter les sympt40mes, » dit DeSouza. « Ces modèles pourraient être très utiles dans la différenciation des patients qui peuvent se présenter avec des sympt40mes comme un Parkinson non liés à la pathologie de Parkinson des patients qui ont réellement la maladie. »

La prévision facilitée et plus précise du stade précoce, la boîte de novo de Parkinson permettent ceux franchement diagnostiquée pour adopter des modifications de mode de vie telles que l'exercice matériel régulier dès l'abord qui peut améliorer la mobilité et le reste, dit DeSouza.

Les chercheurs ont employé transversal, caractéristiques de ligne zéro des bornes graduelles du Parkinson initiatiques (PPMI). La caractéristique de PPMI utilisée était les variables cliniques logées de non-moteur (par exemple odorat, somnolence de jour, présence du trouble de comportement de mouvement oculaire rapide, âge, etc.) et les variables biologiques (par exemple alpha-synuclein de liquide céphalorachidien, protéine de tau, beta-amyloid-142, etc.) cinq types modèles différents étaient des modèles « qualifiés » qui pourraient s'avérer utile dans l'aide pour différencier la pathologie de Parkinson de stade précoce.

Ce qui est seul au sujet de cette étude est qu'il fournit une double analyse, qui n'a pas été faite avant pour la première maladie de Parkinson. »

Charles Leger, l'auteur important de l'étude, candidat de Ph.D.

La double analyse comprise : (a) prévision de tôt, Parkinson préclinique contre des contrôles, puis dans une analyse indépendante, (b) premier Parkinson contre SWEDD (l'état assimilé du Parkinson). Les modèles qualifiés ont essayé de prévoir premier Parkinson des contrôles (a) ; et premier Parkinson de SWEDD (b).

« Chaque caractéristique utilisée était d'abord appropriée prouvé dans la littérature. De ceux, nous avons permis à chaque modèle de sélectionner quels facteurs prédictifs étaient les plus importants. Aucun modèle n'est garanti pour fournir le de l'ajustement normal, » dit Leger. « Avec cinq modèles, si vous obtenez la même caractéristique qui reste à l'extérieur, puis vous savez que la variable particulière est très importante en discernant la maladie. Les neurologues pourraient appliquer un ou plusieurs des modèles à leurs propres caractéristiques à l'aide discernent la pathologie de Parkinson de la pathologie déguisant comme Parkinson. Deux des modèles peuvent être utiles dans l'aide pour examiner ceux dans la catégorie de SWEDD avec la pathologie du type de Parkinson de ceux dont la pathologie n'est pas Parkinson associé. »

Dans premier Parkinson/réglez et de premières analyses de Parkinson's/SWEDD, et en travers de tous les modèles, hyposmia - une capacité réduite de sentir et trouver des odeurs - était la caractéristique la plus importante unique pour discerner le tôt-début Parkinson, suivi du trouble du comportement de mouvement oculaire rapide.

Source:
Journal reference:

Leger, C., et al. (2020) Non-motor Clinical and Biomarker Predictors Enable High Cross-Validated Accuracy Detection of Early PD but Lesser Cross-Validated Accuracy Detection of Scans Without Evidence of Dopaminergic Deficit. Frontiers in Neurology. doi.org/10.3389/fneur.2020.00364.