XiaoMi-AI文件搜索系统
World File Search System帕金森病
帕金森病的计算机化认知训练
摘要 简介 认知障碍被认为是帕金森病 (PD) 的重要非运动症状，需要基于证据的非药物干预措施来预防或减缓此类患者群体的认知能力下降。计算机化认知训练 (CCT) 就是这样一种干预措施，它已被证明对老年人群的认知能力有效。本系统评价旨在研究 CCT 对 PD 患者的认知、社会心理和功能领域的疗效，并研究可能缓和 CCT 对认知影响的研究和干预设计因素。 方法与分析 将纳入研究 CCT 对无痴呆症的 PD 患者的认知、社会心理或功能结果影响的随机对照试验。主要结果是整体认知功能。次要结果是领域特定的认知功能、社会心理功能和功能能力。 我们系统地搜索了截至 2020 年 5 月 14 日的 MEDLINE、Embase 和 PsycINFO，以确定相关文献。将使用修订后的 Cochrane 偏倚风险工具评估偏倚风险。效应大小将计算为基线到干预后变化的标准化平均差（Hedges' g），每个符合条件的结果测量的置信区间为 95%。将使用随机效应模型对研究间的结果进行汇总，考虑研究内效应大小的依赖结构。将使用 τ 2 和 I 2 统计量评估异质性。将使用混合效应元回归模型，根据关键研究和干预设计因素研究潜在的调节因素。伦理与传播 无需伦理批准。研究结果将在同行评审的科学期刊上发表。PROSPERO 注册号 CRD42020185386。
有效的帕金森病检测框架
帕金森病 (PD) 是一种进行性神经退行性疾病，影响全球超过 1000 万人的生活质量。早期诊断对于及时干预和改善患者预后至关重要。脑电图 (EEG) 信号通常用于早期 PD 诊断，因为它们在监测疾病进展方面有潜力。但传统的基于 EEG 的方法缺乏对提供有关 PD 基本信息的大脑区域的探索，而且它们的性能不适合实时应用。为了解决这些限制，本研究提出了一种新方法，使用基于时频表示 (TFR) 的 AlexNet 卷积神经网络 (CNN) 模型来探索基于 EEG 通道的分析并从 EEG 数据中识别有效诊断 PD 的关键大脑区域。小波散射变换 (WST) 用于捕捉不同的时间和光谱特征，而 AlexNet CNN 用于检测不同尺度的复杂空间模式，准确识别与 PD 相关的复杂 EEG 模式。在两个实时 EEG PD 数据集（圣地亚哥数据集和爱荷华数据集）上的实验结果表明，与其他区域相比，大脑前额叶和中脑区域（包括 AF4 和 AFz 电极）在提供更具代表性的特征方面做出了巨大贡献，可用于 PD 检测。所提出的架构在圣地亚哥数据集和爱荷华数据集上分别实现了 99.84% 和 95.79% 的惊人准确率，优于现有的基于 EEG 的 PD 检测方法。这项研究的成果将有助于创建一种高效 PD 诊断的基本技术，从而提高患者护理水平和生活质量。
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
帕金森病的纵向脑结构变化
帕金森病 (PD) 是最常见的神经退行性疾病之一，其常见特征为运动不能、运动迟缓和震颤，并常伴有轻度认知障碍，从而显著降低整体生活质量 [1]。这些症状还伴有大脑皮层和皮层下结构萎缩以及皮层变薄 [2]。因此，人们对确定磁共振成像 (MRI) 测量的萎缩是否可以作为认知能力下降的生物标志物产生了兴趣。总体而言，灰质萎缩和皮层变薄存在于早期 PD 中，而额叶萎缩和颞顶叶变薄与 PD 的认知障碍有关 [3]。通过磁共振成像测量 PD 中发生的大脑结构性变化已成为了解 PD 轨迹的潜在诊断和预后工具。结构成像，特别是区域皮质厚度和灰质体积的减少，被认为有助于确定 PD 诊断、进展预后以及区分 PD 与其他痴呆症 [2]。然而，需要进一步研究这些进展测量的敏感性、可靠性、混杂因素的影响和整体普遍性 [3]，而这种严格的验证可能是阻碍采用 MRI 测量作为 PD 临床研究结果测量的一个因素。近年来，神经影像学结果的复制受到了多方面的挑战。例如，在 Botvinik-Nezer 等人的研究中 [4]，70 个独立团队被要求使用他们选择的方法来分析相同的数据集，以检验九个事前假设。该研究调查了结果的变异性。各个研究团队获得的结果在九个假设中的五个上并不一致，一致性水平达到 21% 到 37% 不等。此外，在 PD 中识别区域性脑萎缩已成为人们关注的焦点，因为它可能是 PD 某些症状和 PD 进展的标志[2]。然而，在非 PD 人群中进行的研究表明，区域体积 [5,6] 和皮质厚度的估计值因软件工具箱而异 [7,8]。总的来说，一系列因素都会影响神经影像学结果的可重复性，包括计算环境 [9,10]、分析工具和版本 [11,12]、统计模型 [13] 和研究人群 [14]。本研究是可重复性评估项目的一部分，该项目旨在复制 Mitchel 等人 [2] 中审查的 11 个 PD 结构 MRI 测量结果。本研究的目标是复制 Hanganu 等人 [15] 的工作，以测试关于结构 MRI 衍生的 PD 生物标志物的先前发现是否可以通过使用类似的分析方法在不同的数据集中复制。 Hang-anu 等人[ 15 ] 比较了轻度认知障碍的 PD 患者 (PD-MCI)、无轻度认知障碍的 PD 患者 (PD-non-MCI) 和健康老年对照者 (HC) 的灰质体积和皮质变薄随时间的变化；还测试了 PD 患者纵向结构变化与认知衰退之间的关系。他们报告了四个主要发现：（发现 1）与无 MCI 的 PD 患者相比（主要影响右侧颞区、岛叶和下额回），以及与健康对照者相比（主要影响右侧颞区和辅助运动区），轻度认知障碍的 PD 患者的皮质变薄速度加快；
深部脑刺激治疗帕金森病
帕金森病 (PD) 是一种渐进性神经退行性疾病，具有运动和非运动症状。深部脑刺激 (DBS) 是一种安全可靠的神经外科对症疗法，适用于符合条件的晚期疾病患者，这些患者接受的药物治疗无法充分控制症状并改善生活质量，或多巴胺能药物会引起运动障碍等严重副作用。DBS 可根据患者的症状进行量身定制，并针对基底神经节-丘脑回路中的各个节点进行治疗，这些节点负责介导疾病的各种症状；丘脑DBS对震颤最有效，苍白球DBS对僵硬和运动障碍最有效，而丘脑底核（STN）的DBS可以同时治疗震颤、运动不能、僵硬和运动障碍，并且即使对于晚期患者也可以减少药物剂量，这使其成为DBS的首选目标。但是，STN中的DBS假设患者年龄不太大，没有认知下降或相关抑郁，并且没有表现出严重和
帕金森病诊断和治疗的未来前景
帕金森病 (PD) 是第二大最常见的神经退行性疾病，其特征是黑质致密部多巴胺能神经元的退化。PD 会伴随运动症状而发展，例如静止性震颤、运动迟缓、僵硬和姿势不稳。非运动症状也很常见，可能在发病前数年就已出现 (1,2)。PD 的发病机制不尽相同，尽管自其定义以来已经过去了很多年，但仍然没有改善疾病的治疗方法 (3)。其病理生理学涉及多种蛋白质和分子通路。其中最重要的标志物是 α-突触核蛋白 (α S) (4)。对 (α S) 积累和其他潜在病理机制的更好了解为诊断和治疗带来了新的方法。在本文中，我们将讨论可用于诊断 PD 的正在积极研究中的生物标志物、当前的治疗目标和最近的方法，包括临床前和临床阶段的主动和被动免疫研究。
帕金森病的深部脑刺激机制
帕金森病 (PD) 是第二大最常见的神经退行性疾病，其发病率随着年龄增长而上升，男性更容易患上该病 [1]。目前，PD 缺乏确切的诊断方法，因此临床诊断仍然是确诊的基本依据 [2,3]。医护人员根据主要症状进行临床诊断，并使用诊断标准排除其他可能的原因 [2,3]。PD 的典型运动症状包括静止性震颤、运动迟缓和僵硬 [4]。根据研究和统计方法的不同，估计全球每年 PD 发病率在十万人中 8.7 至 19 人之间 [5]。目前，全球 PD 患者超过 1000 万 [6]。研究人员普遍认为 PD 是一种受多种因素影响的复杂疾病。这些因素包括遗传因素（常染色体显性、常染色体隐性、易感基因）、环境因素（如接触碳氢化合物）、便秘、体力活动、吸烟（尼古丁）和咖啡因摄入量 [7-9]。该疾病被认为是由于黑质 (SN) 最初受损，特别是其致密区受损，导致 SN 活动减弱，同时基底神经节其他区域 [包括丘脑底核 (STN)] 抑制丧失，从而引起过度活动 [10]。PD 的典型病理变化包括中脑多巴胺能 (DAergic) 神经元的快速丢失以及脑内 α - 突触核蛋白聚集体形成的路易体数十年的积累 [9,11,12]。
遗传性帕金森病的新兴治疗方法
精准医疗（也称为个性化医疗或个体化医疗）旨在为正确的时间为正确的人制定特定的治疗方案。为实现这一目标，精准医疗使用诊断工具来识别特定的生物标记物（通常是基因），以帮助评估哪种医疗方法最适合每个患者 [2]。通过将这些测试数据与患者的病史和影响健康状况的重要因素相结合，有望在未来制定出有针对性的预防和治疗计划 [2]。因此，精准医疗并不是一个新概念。它是一个概念框架，当奥巴马总统在 2015 年宣布了一项旨在加速迈向精准医疗新时代的研究计划时，它就成为了医学领域之外的热门话题 [3]。精准医疗有各种好处，包括尽早发现疾病发作，从而将医学的重点从反应转移到预防（表 1）。在神经退行性疾病的背景下，在出现临床表现时（当然是在诊断时），大量的神经元已经永久丢失。因此，早期发现高危个体将有助于早期治疗（理想情况下可以保护细胞免于神经元死亡）。因此，成功的精准医疗将从目前的反应性
术后非典型帕金森病综合征急性恶化......
与帕金森病类似，非典型帕金森综合征常常表现为一种或多种“特征性”症状。然而，它们的区别在于存在其他非典型症状，包括早期出现姿势不稳、早期自主神经衰竭、垂直核上性凝视麻痹、锥体或小脑功能障碍的征象以及失用症。4 与帕金森病一样，这些疾病的诊断是基于临床症状的，尽管肌电图 (EMG) 和磁共振成像 (MRI) 等其他检查可以提供更多信息和诊断支持。5 非典型综合征的另一个独特之处是，它们往往比帕金森病更严重且进展速度更快，症状会在 3 至 5 年内显著恶化。 1,3 此外，虽然帕金森病的主要特征之一是对多巴胺疗法的症状反应，但这种反应在非典型帕金森综合征中并不常见。目前还没有针对任何非典型疾病的良好治疗方法。尽管如此，大多数临床医生还是选择使用与经典帕金森病类似的治疗方法。6 随着 COVID-19 的出现，人们对该病毒可能对包括帕金森病在内的各种神经退行性疾病的影响产生了浓厚的兴趣。有报道称，感染 COVID-19 后帕金森病会急性恶化，以及
针对帕金森病基因亚型的新兴靶向疗法
摘要 近年来，精准医疗方法根据患者的个体情况定制医疗方案，并结合基因、环境和生活方式的变化，已经改变了许多医学领域的医疗保健，最显著的是肿瘤学。将类似的方法应用于帕金森病 (PD) 可能会促进疾病改良剂的开发，这些药物可能有助于减缓病情进展，甚至可能避免一组高危人群的病情发展。迫切需要进行此类试验，部分原因是临床试验的负面结果，在临床试验中，干预措施将所有 PD 患者视为一个同质群体。在这里，我们回顾了目前在 PD 精准干预方面发展的障碍。我们还回顾并讨论了针对 PD 遗传形式（即 GBA 相关和 LRRK2 相关 PD）的临床试验。