为此，来自美国的Singleton等人进行了一项研究，目的是建立一个准确的无创性帕金森病诊断分类模型，以期将其作为未来队列研究和疾病预测研究的基础。本研究成功地建立了帕金森病的诊断和分类模型，具有较高的敏感性和特异性，为今后的研究提供了良好的工具。这项研究发表在最近一期的“柳叶刀神经病学”上。
研究人员包括367名具有典型影像资料的帕金森病(PD)患者和165名没有神经系统疾病的对照者，他们参与了帕金森氏进展指标的研究。在此基础上，建立了疾病分类模型。对帕金森病家族史、年龄、性别、嗅觉功能、遗传风险进行逐步回归分析。
从5项独立研究中选取825例PD患者和261例正常对照，采用不同的标准和设计，并对模型进行了验证。这五项研究包括帕金森病生物标志物项目(PDBP)、帕金森病相关风险研究(PARS)、23 andMe研究、PD队列和生物标志物研究(Labs-PD)和Morris K Udall帕金森病研究中心队列研究(Penn-Udall)。此外，研究人员使用该模型评估无多巴胺缺乏症(SWEDD)的患者。
在PPMI研究人群中，该模型能准确区分帕金森病患者和对照组，曲线下面积为0.923，具有较高的敏感性和特异性。Hosmer-Lemeswell拟合试验表明，当被试分为随机分组时，亚组人群的数据与总体队列的结果相似。
在其他5个研究群体中，外部验证对PD分类也有很好的效果，PDBP队列群体中AUC 0.894，PARS研究0.998，23和Me研究0.955，LABSPD研究0.929，彭努达尔研究0.939。用该模型在1年内将4例SWEDD帕金森病患者转化为帕金森病，38例非帕金森病患者处于转归过程中。
该模型为帕金森病与正常人的鉴别提供了一种潜在的新方法，如果能通过前瞻性队列研究加以证实，将有助于发现帕金森病的生物标志物和治疗帕金森病的前驱或临床前帕金森氏病。
Copyright © 2023 All Rights Reserved 版权所有 九江牙医推荐联盟