Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease

Detalhes bibliográficos
Autor(a) principal: Lobato, Bruno Lopes dos Santos
Data de Publicação: 2020
Outros Autores: Schuh, Artur Francisco Schumacher, Rieder, Carlos Roberto de Mello, Hutz, Mara Helena, Borges, Vanderci, Ferraz, Henrique Ballalai, Mata, Ignacio Fernandez, Zabetian, Cyrus P., Tumas, Vitor
Tipo de documento: Artigo
Idioma: eng
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/238213
Resumo: Introdução: No momento, não há métodos para se predizer o desenvolvimento de discinesias induzidas por levodopa (DIL), uma frequente complicação do tratamento da doença de Parkinson (DP). Preditores clínicos e polimorfismos de nucleotídeo único (SNP) têm sido associados às DIL na DP. Objetivo: Investigar a associação entre variáveis clínicas e genéticas com as DIL e desenvolver um modelo de predição diagnóstica de DIL na DP. Métodos: Foram avaliados 430 pacientes com DP em uso de levodopa. A presença de DIL foi definida como escore ≥1 no item 4.1 da MDS-UPDRS Parte IV. Nós testamos a associação entre variáveis clínicas específicas e sete SNPs com o desenvolvimento de DIL, usando modelos de regressão logística. Resultados: Em relação às variáveis clínicas, idade de início da doença, duração da doença, sintomas motores iniciais e uso de agonistas dopaminérgicos estiveram associados às DIL. Apenas o genótipo CC do SNP rs2298383 no gene ADORA2A esteve associado com DIL após o ajuste. Nós desenvolvemos dois modelos preditivos diagnósticos com acurácia razoável, mas sugerimos o uso do modelo preditivo clínico. Esse modelo de predição tem uma área sob a curva de 0,817 (intervalo de confiança de 95% [IC95%] 0,77‒0,85) e sem perda significativa de ajuste (teste de qualidade de ajuste de Hosmer-Lemeshow p=0,61). Conclusão: A probabilidade prevista de DIL pode ser estimada, com acurácia razoável, por meio do uso de um modelo preditivo diagnóstico clínico, que combina a idade de início da doença, duração da doença, sintomas motores iniciais e uso de agonistas dopaminérgicos.
id UFRGS-2_9e93ed1be48b830e5f759908882b2ed8
oai_identifier_str oai:www.lume.ufrgs.br:10183/238213
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Lobato, Bruno Lopes dos SantosSchuh, Artur Francisco SchumacherRieder, Carlos Roberto de MelloHutz, Mara HelenaBorges, VanderciFerraz, Henrique BallalaiMata, Ignacio FernandezZabetian, Cyrus P.Tumas, Vitor2022-05-04T04:46:19Z20200004-282Xhttp://hdl.handle.net/10183/238213001137106Introdução: No momento, não há métodos para se predizer o desenvolvimento de discinesias induzidas por levodopa (DIL), uma frequente complicação do tratamento da doença de Parkinson (DP). Preditores clínicos e polimorfismos de nucleotídeo único (SNP) têm sido associados às DIL na DP. Objetivo: Investigar a associação entre variáveis clínicas e genéticas com as DIL e desenvolver um modelo de predição diagnóstica de DIL na DP. Métodos: Foram avaliados 430 pacientes com DP em uso de levodopa. A presença de DIL foi definida como escore ≥1 no item 4.1 da MDS-UPDRS Parte IV. Nós testamos a associação entre variáveis clínicas específicas e sete SNPs com o desenvolvimento de DIL, usando modelos de regressão logística. Resultados: Em relação às variáveis clínicas, idade de início da doença, duração da doença, sintomas motores iniciais e uso de agonistas dopaminérgicos estiveram associados às DIL. Apenas o genótipo CC do SNP rs2298383 no gene ADORA2A esteve associado com DIL após o ajuste. Nós desenvolvemos dois modelos preditivos diagnósticos com acurácia razoável, mas sugerimos o uso do modelo preditivo clínico. Esse modelo de predição tem uma área sob a curva de 0,817 (intervalo de confiança de 95% [IC95%] 0,77‒0,85) e sem perda significativa de ajuste (teste de qualidade de ajuste de Hosmer-Lemeshow p=0,61). Conclusão: A probabilidade prevista de DIL pode ser estimada, com acurácia razoável, por meio do uso de um modelo preditivo diagnóstico clínico, que combina a idade de início da doença, duração da doença, sintomas motores iniciais e uso de agonistas dopaminérgicos.Background: There are currently no methods to predict the development of levodopa-induced dyskinesia (LID), a frequent complication of Parkinson's disease (PD) treatment. Clinical predictors and single nucleotide polymorphisms (SNP) have been associated to LID in PD. Objective: To investigate the association of clinical and genetic variables with LID and to develop a diagnostic prediction model for LID in PD. Methods: We studied 430 PD patients using levodopa. The presence of LID was defined as an MDS-UPDRS Part IV score ≥1 on item 4.1. We tested the association between specific clinical variables and seven SNPs and the development of LID, using logistic regression models. Results: Regarding clinical variables, age of PD onset, disease duration, initial motor symptom and use of dopaminergic agonists were associated to LID. Only CC genotype of ADORA2A rs2298383 SNP was associated to LID after adjustment. We developed two diagnostic prediction models with reasonable accuracy, but we suggest that the clinical prediction model be used. This prediction model has an area under the curve of 0.817 (95% confidence interval [95%CI] 0.77‒0.85) and no significant lack of fit (Hosmer-Lemeshow goodness-of-fit test p=0.61). Conclusion: Predicted probability of LID can be estimated with reasonable accuracy using a diagnostic clinical prediction model which combines age of PD onset, disease duration, initial motor symptom and use of dopaminergic agonists.application/pdfengArquivos de neuro-psiquiatria. São Paulo. Vol. 74, no. 4 (2020), p. 206-2016Discinesia induzida por medicamentosLevodopaPolimorfismo de nucleotídeo únicoAntiparkinsonianosDyskinesiaParkinson diseaseLevodopaDecision support techniquesDiagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s diseaseModelo de predição diagnóstica para discinesias induzidas por levodopa na doença de Parkinson info:eu-repo/semantics/articleinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001137106.pdf.txt001137106.pdf.txtExtracted Texttext/plain43644http://www.lume.ufrgs.br/bitstream/10183/238213/2/001137106.pdf.txtc6395b13c6dcfd6f378cbdcf04dabf00MD52ORIGINAL001137106.pdfTexto completo (inglês)application/pdf226102http://www.lume.ufrgs.br/bitstream/10183/238213/1/001137106.pdf39197ed2acfbc49840cf7bc858538282MD5110183/2382132022-05-05 04:45:51.641997oai:www.lume.ufrgs.br:10183/238213Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-05-05T07:45:51Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
dc.title.alternative.pt.fl_str_mv Modelo de predição diagnóstica para discinesias induzidas por levodopa na doença de Parkinson
title Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
spellingShingle Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
Lobato, Bruno Lopes dos Santos
Discinesia induzida por medicamentos
Levodopa
Polimorfismo de nucleotídeo único
Antiparkinsonianos
Dyskinesia
Parkinson disease
Levodopa
Decision support techniques
title_short Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
title_full Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
title_fullStr Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
title_full_unstemmed Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
title_sort Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
author Lobato, Bruno Lopes dos Santos
author_facet Lobato, Bruno Lopes dos Santos
Schuh, Artur Francisco Schumacher
Rieder, Carlos Roberto de Mello
Hutz, Mara Helena
Borges, Vanderci
Ferraz, Henrique Ballalai
Mata, Ignacio Fernandez
Zabetian, Cyrus P.
Tumas, Vitor
author_role author
author2 Schuh, Artur Francisco Schumacher
Rieder, Carlos Roberto de Mello
Hutz, Mara Helena
Borges, Vanderci
Ferraz, Henrique Ballalai
Mata, Ignacio Fernandez
Zabetian, Cyrus P.
Tumas, Vitor
author2_role author
author
author
author
author
author
author
author
dc.contributor.author.fl_str_mv Lobato, Bruno Lopes dos Santos
Schuh, Artur Francisco Schumacher
Rieder, Carlos Roberto de Mello
Hutz, Mara Helena
Borges, Vanderci
Ferraz, Henrique Ballalai
Mata, Ignacio Fernandez
Zabetian, Cyrus P.
Tumas, Vitor
dc.subject.por.fl_str_mv Discinesia induzida por medicamentos
Levodopa
Polimorfismo de nucleotídeo único
Antiparkinsonianos
topic Discinesia induzida por medicamentos
Levodopa
Polimorfismo de nucleotídeo único
Antiparkinsonianos
Dyskinesia
Parkinson disease
Levodopa
Decision support techniques
dc.subject.eng.fl_str_mv Dyskinesia
Parkinson disease
Levodopa
Decision support techniques
description Introdução: No momento, não há métodos para se predizer o desenvolvimento de discinesias induzidas por levodopa (DIL), uma frequente complicação do tratamento da doença de Parkinson (DP). Preditores clínicos e polimorfismos de nucleotídeo único (SNP) têm sido associados às DIL na DP. Objetivo: Investigar a associação entre variáveis clínicas e genéticas com as DIL e desenvolver um modelo de predição diagnóstica de DIL na DP. Métodos: Foram avaliados 430 pacientes com DP em uso de levodopa. A presença de DIL foi definida como escore ≥1 no item 4.1 da MDS-UPDRS Parte IV. Nós testamos a associação entre variáveis clínicas específicas e sete SNPs com o desenvolvimento de DIL, usando modelos de regressão logística. Resultados: Em relação às variáveis clínicas, idade de início da doença, duração da doença, sintomas motores iniciais e uso de agonistas dopaminérgicos estiveram associados às DIL. Apenas o genótipo CC do SNP rs2298383 no gene ADORA2A esteve associado com DIL após o ajuste. Nós desenvolvemos dois modelos preditivos diagnósticos com acurácia razoável, mas sugerimos o uso do modelo preditivo clínico. Esse modelo de predição tem uma área sob a curva de 0,817 (intervalo de confiança de 95% [IC95%] 0,77‒0,85) e sem perda significativa de ajuste (teste de qualidade de ajuste de Hosmer-Lemeshow p=0,61). Conclusão: A probabilidade prevista de DIL pode ser estimada, com acurácia razoável, por meio do uso de um modelo preditivo diagnóstico clínico, que combina a idade de início da doença, duração da doença, sintomas motores iniciais e uso de agonistas dopaminérgicos.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2022-05-04T04:46:19Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/other
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/238213
dc.identifier.issn.pt_BR.fl_str_mv 0004-282X
dc.identifier.nrb.pt_BR.fl_str_mv 001137106
identifier_str_mv 0004-282X
001137106
url http://hdl.handle.net/10183/238213
dc.language.iso.fl_str_mv eng
language eng
dc.relation.ispartof.pt_BR.fl_str_mv Arquivos de neuro-psiquiatria. São Paulo. Vol. 74, no. 4 (2020), p. 206-2016
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/238213/2/001137106.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/238213/1/001137106.pdf
bitstream.checksum.fl_str_mv c6395b13c6dcfd6f378cbdcf04dabf00
39197ed2acfbc49840cf7bc858538282
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1815447790726152192