Data-driven stratification of Parkinson's disease patients based on the progression of motor and cognitive disease markers
| Autor: | Krasniqi, Erenik, Schramm, Wendelin, Reichenbach, Alexandra |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2021 |
| Předmět: |
Parkinson's disease (PD)
Stratifizierung subtypes Computer applications to medicine. Medical informatics R858-859.7 maschinelles Lernen Infectious and parasitic diseases RC109-216 Biomarker 610 Medical sciences Medicine Clustering PPMI stratification machine learning ddc: 610 Parkinson-Krankheit Subtypen |
| Zdroj: | GMS Medizinische Informatik, Biometrie und Epidemiologie; VOL: 17; DOC04 /20210531/ GMS Medizinische Informatik, Biometrie und Epidemiologie, Vol 17, Iss 1, p Doc04 (2021) |
| Popis: | Parkinson’s disease (PD) is a progressive neurodegenerative movement disorder with a complex set of motor and non-motor symptoms and a diverse disease progression. Subtyping PD patients is required for personalized therapies but stratification approaches based on intermediate phenotypes such as clinical assessment scores lack reproducibility and stability, which is at least partially due to the broad spectrum of methods that can be applied during different steps of data processing. We propose a novel approach that considers the progression of detailed clinical assessment scores in different domains over a period of five years. Furthermore, we confirm the robustness of our subtypes with comparisons to subtypes that emerge when using different data pre-processing or another clustering algorithm. Three subtypes were found with differentiable symptoms: The motor-dominant subtype has the fastest progression and is most severely affected in daily life, closely followed by the sleep-dominant non-tremor subtype. The mild-motor subtype, in contrast, is characterized by moderate progression. These subtypes emerge from their progression pattern rather than from a snapshot during one time point. Hence we advocate for stratification approaches for PD subtyping that take longitudinal data over several years into account. Die Parkinson-Krankheit ist eine fortschreitende, neurodegenerative Erkrankung, die sich durch komplexe motorische und nicht-motorische Symptome sowie einen vielfältigen Krankheitsverlauf auszeichnet. Subtypisierung der Patienten ist für personalisierte Therapien notwendig, jedoch fehlt es an Stratifizierungsansätzen, die auf Zwischenphänotypen wie z.B. klinischen Tests aufsetzen, an Reproduzierbarkeit und Stabilität. Dies bedingt sich teilweise durch die vielen methodischen Möglichkeiten bei der Datenprozessierung. Wir schlagen einen neuen Ansatz vor, bei dem die Entwicklung detaillierter klinischer Kennwerte aus unterschiedlichen Domänen über einen Zeitraum von fünf Jahren betrachtet wird. Die Robustheit der so erhaltenen Subtypen untermauern wir mit Vergleichen zu Subtypen, die wir mit abweichender Datenprozessierung oder einem anderen Clustering-Algorithmus gewonnen hätten. Wir finden hier drei Subtypen mit differenzierbarer Symptomatik: Der motorisch-dominante Subtyp ist gekennzeichnet durch den raschesten Verfall und ist im täglichen Leben am stärksten betroffen, eng gefolgt vom Schlaf-dominanten non-Tremor Subtyp. Im Gegensatz dazu ist der Krankheitsverlauf des mild-motorischen Subtyps eher moderat. Diese Subtypen erwachsen aus den Verläufen ihrer komplexen Symptomatik und nicht aus Gruppenunterschieden während eines einzelnen Zeitpunkts. Deswegen plädieren wir dafür, für die Subtypisierung von Parkinson-Patienten Längsschnittdaten mehrerer Jahre zu verwenden. GMS Medizinische Informatik, Biometrie und Epidemiologie; 17(1):Doc04 |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|