Diagnostic prediction model for levodopa-induced dyskinesia in Parkinson’s disease
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Outros Autores: | , , , , , , , |
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 |