Symptom-based classification of Parkinson's disease using retrospective electronic medical records: A STROBE-compliant cross-sectional study.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
This cross-sectional study of electronic medical records (EMRs) was conducted to investigate symptom patterns associated with Parkinson's disease (PD) duration and severity and to explore a symptom-based classification of PD. Data from 334 patients with idiopathic PD who visited a single hospital in South Korea between 2011 and 2021, were used to extract a range of PD-associated symptoms and traditional East-Asian medicine (TEAM) symptoms. Frequency analysis was performed to identify key clinical symptoms by PD progression and severity. Patients with moderate disease severity exhibited different symptom patterns across disease-duration categories, including differences in dyskinesia, speech disorder, floating pulse, and yellow tongue coating. Hierarchical clustering based on PD-related and traditional East Asian medicine symptoms identified 5 distinct EMR-based subtypes. EMR subtype 1 was characterized by the mildest disease severity and shortest disease duration, whereas the remaining subtypes showed distinct symptom profiles and a generally greater overall symptom burden. This information may be useful for identifying clinically distinguishable EMR-based PD subtypes and symptom patterns associated with disease duration and severity. These preliminary findings provide a basis for future studies investigating whether such patterns may inform individualized approaches to PD management.
نتیجه فارسی
این مطالعه مقطعی ۳۳۴ بیمار مبتلا به PD ایدیوپاتیک را در کره جنوبی بررسی کرد تا الگوهای علائم و زیرنوعهای متمایز را بر اساس شدت و مدت بیماری شناسایی کند. تحلیل خوشهبندی سلسلهمراتبی ۵ زیرنوع متمایز را شناسایی کرد که یکی از آنها با شدت کمترین و مدت کوتاهترین و بقیه با بار علائم بیشتر بودند.
- تحلیل دادههای EMR ۳۳۴ بیمار مبتلا به PD ایدیوپاتیک انجام شد.
- ۵ زیرنوع متمایز مبتنی بر EMR شناسایی شد.
- بیماران با شدت متوسط بیماری، الگوهای علائم متفاوتی نسبت به سایر شدتها نشان دادند.
- یافتهها میتوانند پایهای برای رویکردهای فردیسازی شده در مدیریت PD باشند.
ترجمه فارسی چکیده
این مطالعه مقطعی از سوابق الکترونیک پزشکی (EMR) برای بررسی الگوهای علائم مرتبط با مدت و شدت بیماری پارکینسون (PD) و اکتشاف یک طبقهبندی مبتنی بر علائم انجام شد. دادههای ۳۳۴ بیمار مبتلا به PD ایدیوپاتیک که در یک بیمارستان در کره جنوبی بین سالهای ۲۰۱۱ تا ۲۰۲۱ مراجعه کرده بودند، برای استخراج طیفی از علائم مرتبط با PD و علائم طبقهبندی سنتی شرق آسیا (TEAM) استفاده شد. تحلیل فراوانی برای شناسایی علائم بالینی کلیدی بر اساس پیشرفت و شدت PD انجام شد. بیماران با شدت متوسط بیماری، الگوهای علائم متفاوتی در دستهبندیهای مدت بیماری نشان دادند، از جمله تفاوتها در دیسکینزی، اختلال گفتار، پالس شناور و پوشش زبان زرد. خوشهبندی سلسلهمراتبی مبتنی بر علائم مرتبط با PD و طبقهبندی سنتی شرق آسیا، ۵ زیرنوع متمایز مبتنی بر EMR را شناسایی کرد. زیرنوع EMR ۱ با شدت بیماری کمترین و مدت بیمانی کوتاهترین را داشت، در حالی که سایر زیرنوعها پروفایلهای علائم متمایز و generally بار کلی علائم بیشتر را نشان دادند. این اطلاعات ممکن است برای شناسایی زیرنوعهای متمایز بالینی مبتنی بر EMR و الگوهای علائم مرتبط با مدت و شدت بیماری مفید باشد. این یافتههای اولیه پایهای را برای مطالعات آینده فراهم میکند که بررسی میکنند آیا این الگوها میتوانند رویکردهای فردیسازی شده برای مدیریت PD را الهام بخشند.
روش پژوهش
این مطالعه مقطعی با استفاده از دادههای EMR در یک بیمارستان در کره جنوبی بین سالهای ۲۰۱۱ تا ۲۰۲۱ انجام شد. تحلیل فراوانی و خوشهبندی سلسلهمراتبی برای تحلیل دادهها استفاده شد.
محدودیتها
محدودیتهای گزارش نشدهاند.
نمای PICO و پیامدها
- جمعیت
- ۳۳۴ بیمار مبتلا به PD ایدیوپاتیک که در یک بیمارستان در کره جنوبی مراجعه کرده بودند.
- مداخله/مواجهه
- تحلیل فراوانی و خوشهبندی سلسلهمراتبی مبتنی بر علائم مرتبط با PD و TEAM.
- مقایسه
- تحلیل فراوانی برای شناسایی علائم کلیدی بر اساس پیشرفت و شدت PD.
- حجم نمونه
- ۳۳۴
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل