XiaoMi-AI文件搜索系统
World File Search System帕金森病
帕金森病和进展的遗传风险：
Hirotaka Iwaki, MD, Cornelis Blauwendraat, PhD, Hampton L. Leonard, MS, Ganqiang Liu, PhD, Jodi Maple-Grødem, PhD, Jean-Christophe Corvol, MD, PhD, Lasse Pihlstrøm, MD, PhD, Marlies van Nimwegen, PhD, Samantha J. Hutten, PhD, Khanh-Dung H. Nguyen, PhD, Jacqueline Rick, PhD, Shirley Eberly, MS, Faraz Faghri, MS, Peggy Auinger, MS, Kirsten M. Scott, MRCP, MPhil, Ruwani Wijeyekoon, MRCP, Vivianna M. Van Deerlin, MD, PhD, Dena G. Hernandez, PhD，Aaron G. Day-Williams，博士，Alexis Brice，医学博士，Guido Alves，MD，PhD，Alastair J. Noyce，MRCP，PhD，Ole-BjørnTysnes，MD，PhD，PhD，Jonathan R. Evans，Mrcp，Mrcp，Phd，Phd P. Breen，Mrcp，Mrcp，Phd，Phd，Phd，Ph. Fabrice Danjou，医学博士，博士，David K. Simon，医学博士，博士，伯纳德·拉维纳（Bernard Ravina）沃伦堡（Warrenburg）医学博士，Jacobus J.van Hilten，医学博士，博士，Clemens R. Scherzer，医学博士，Andrew B. Singleton，PhD和Mike A. Nalls，博士
帕金森病患者运动训练后骨骼肌 RNA 编辑的改变
134 # 训练前和训练后 PD 男性比较是较大的 PD 男性与训练后 PD 男性比较的一个较小子集；但是，前一个子集仅包括具有训练前和训练后样本的 PD 患者，以便进行更严格的患者内分析。137 * 使用 138 Mann-Whitney 检验（p 值 > 0.05），所有成对比较均未达到统计显着性水平。每组的值均以平均值和 139 SEM（平均值的标准误差）给出。140
个性化慢性适应性深部脑刺激在治疗帕金森病方面优于常规刺激
深部脑刺激是一种广泛用于治疗帕金森病 (PD) 的方法，但目前缺乏对不断变化的临床和神经状态的动态响应。反馈控制有可能提高治疗效果，但“自适应”神经刺激的最佳控制策略和其他好处尚不清楚。我们在三名 PD 患者（五个半球）的正常日常生活中实施了由丘脑底核或皮质信号控制的自适应丘脑底核刺激。我们使用数据驱动的宽频率范围和不同刺激幅度的场电位分析来确定残余运动波动的神经生理生物标志物。任一部位的窄带伽马振荡（65-70 Hz）成为刺激期间感知的最佳控制信号。一项盲法随机试验表明，与临床优化的标准刺激相比，运动症状和生活质量有所改善。我们的方法凸显了基于数据驱动的控制信号选择的个性化自适应神经刺激的前景，并可能应用于其他神经系统疾病。
帕金森病患者中发现一种新型 α-突触核蛋白 K58N 错义变体 1
此预印本的版权所有者于 2025 年 2 月 14 日发布此版本。；https://doi.org/10.1101/2025.02.07.25321793 doi: medRxiv preprint
帕金森病的进展模型
在这项工作中，我们开发了统计方法，根据患者的重复测量结果对疾病进展进行建模，重点关注帕金森病 (PD)。一个关键挑战在于 PD 患者之间存在固有的异质性，以至于现在怀疑 PD 包含多种亚型或运动表型。为了深入了解疾病进展，研究建议在多个时间点为每个患者收集广泛的标记物测量值。这些数据允许通过统计建模研究疾病的进展模式。在第一部分中，我们模拟了 PD 标量标记物的进展。我们扩展了疾病进展模型，即纵向时空模型。然后，我们提出解决数据缺失问题，并对不同性质的标记物的联合进展进行建模，例如临床评分和从成像模式中提取的标量测量。通过这种方法，我们模拟了 PD 的早期运动进展，并在第二项研究中模拟了特发性 PD 进展的异质性，重点关注睡眠症状。在论文的第二部分，即独立的部分，我们处理了医学图像的纵向建模。对于这些高维数据，深度学习通常被使用，但主要是在横断面设置中，忽略了可能的内部动态。我们建议利用深度学习作为降维工具来构建疾病进展的时空坐标系。我们首先利用这种灵活性来处理多模态数据。然后，我们利用假设随时间单调性而产生的自我监督，为建模时间变异性提供更高的灵活性。
初级运动皮层锥体束神经元细胞兴奋性降低，导致模拟帕金森病运动皮层网络活动反常增加
。CC-BY 4.0 国际许可证可在未经同行评审认证的情况下获得）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是
左旋多巴诱导的非周期性爆发动力学变化与帕金森病的个体临床改善有关
1. 艾克斯·马赛大学，CNRS，INT，德拉蒂莫内神经科学研究所，13005，马赛，法国。 2. 艾克斯-马赛大学、INSERM、INS、系统神经科学研究所，13005，马赛，法国 3. 中央地中海学院，13013，马赛，法国。 4. APHM，马赛大学医院，蒂莫内医院神经病学和运动障碍科，13005，法国。 5. 斯特拉斯堡大学神经科学认知与适应性实验室，67000 斯特拉斯堡，法国。 6. 罗马生物医学大学校园工程系非线性物理和数学模型组，意大利 00128。 7. 外科癫痫病科、功能性和立体定向神经外科，蒂莫内大学医院，13005，马赛，法国。8. 艾克斯马赛大学，UMR INSERM 1106，功能性神经外科系，13005，马赛，法国。¡ 资深作者 * 通讯作者：hasnae.agouram@univ-amu.fr，pierpaolo.sorrentino@univ-amu.fr
量化大脑连接和心跳动态之间耦合的框架：深入了解帕金森病中破坏的网络生理学
图 1 方法流程。（a）计算不同频带（α、β、γ）上随时间变化的 EEG 功率；（b）估计两个 EEG 通道之间的随时间变化的连接。（c）根据 ECG 计算心率变异性序列并估计心脏交感神经-副交感神经活动。（d）通过计算最大信息系数 (MIC) 进行大脑连接 - 心脏耦合估计。通过评估两个时间序列之间的相似性来实现耦合量化，而不管信号的曲率如何。MIC 方法使用如图所示的调整网格分别评估不同段之间的相似性。整体测量结合了整个时间过程中观察到的相似性。ECG，心电图；EEG，脑电图。
摩洛哥帕金森病患者接受深部脑刺激的障碍
我们最近进行了一项横断面多中心研究，以评估摩洛哥卡萨布兰卡-塞塔特地区适合接受深部脑刺激 (DBS) 的帕金森病 (PD) 患者的患病率。该研究包括来自 15 家公立和私立中心的 370 名患者，研究期为 2023 年 10 月至 2024 年 6 月，为期 9 个月，并获得了卡萨布兰卡医学和药学学院当地伦理委员会的批准（批准号：06/2023）。我们发现，根据德尔菲共识，这些患者中约有五分之一（18.9%；95% 置信区间 14.8–23.0）是 DBS 的明确候选人。1 然而，在我们的样本中，只有一名符合条件的患者接受了这种干预，突显出护理方面存在重大差距。尽管摩洛哥的一些中心已开始实施 DBS，并取得了积极成果（报告的改善率从 50% 到 80% 不等 2），但这些项目仍未得到足够的支持。
![神经胶质细胞成像区分多系统萎缩和帕金森病：利用 [ 11 C ] PBR28 和机器学习分析进行正电子发射断层扫描研究](/simg/d/dbe141be97bad77b0a6908bb6f02f4c86eeef9b4.png)
神经胶质细胞成像区分多系统萎缩和帕金森病：利用 [ 11 C ] PBR28 和机器学习分析进行正电子发射断层扫描研究
1 PET 科学中心、个性化医疗和生物样本研发部、阿斯利康公司，瑞典斯德哥尔摩 2 临床神经科学系、精神病学研究中心、卡罗琳斯卡医学院，瑞典斯德哥尔摩 3 陶布研究所、神经病学系、哥伦比亚大学欧文医学中心，美国纽约 4 Invicro，英国伦敦 5 神经影像科学中心、精神病学、心理学和神经科学研究所、伦敦国王学院，英国伦敦 6 耶鲁大学 PET 中心，美国康涅狄格州纽黑文 7 图尔库 PET 中心、图尔库大学和图尔库大学医院，芬兰图尔库 8 研发部、阿斯利康公司，美国马萨诸塞州沃尔瑟姆 9 临床神经科学系、卡罗琳斯卡医学院，瑞典斯德哥尔摩 10 法国 MSA 参考中心、临床研究中心 CIC1436、神经科学和临床药理学系、NeuroToul COEN 中心，UMR 1 214-ToNIC 和图卢兹大学医院、INSERM 和图卢兹 3 大学，法国图卢兹 11 CRMR AMS，神经病学-神经变性疾病服务中心，CHU Bordeaux，法国波尔多 12 波尔多大学，CNRS，IMN，UMR 5293，法国波尔多 13 奥塔哥大学医学系，新西兰基督城脑研究所，新西兰基督城 14 萨勒诺大学神经退行性疾病中心，意大利萨勒诺 15 因斯布鲁克医科大学神经病学系，奥地利因斯布鲁克 16 纽约大学格罗斯曼医学院医学系，美国纽约 17 因斯布鲁克医科大学神经病学系临床神经生物学分部，奥地利因斯布鲁克