• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Integrating Clinical Insights and Methodological Refinements: A Commentary on Fall Risk Prediction in Parkinson's Disease.

作者信息

Ren Baochun

机构信息

Deyang Second People's Hospital, Deyang, China.

出版信息

Eur J Neurol. 2025 Jun;32(6):e70254. doi: 10.1111/ene.70254.

DOI:10.1111/ene.70254
PMID:40522045
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC12168483/
Abstract
摘要

相似文献

1
Integrating Clinical Insights and Methodological Refinements: A Commentary on Fall Risk Prediction in Parkinson's Disease.整合临床见解与方法改进：帕金森病跌倒风险预测述评
Eur J Neurol. 2025 Jun;32(6):e70254. doi: 10.1111/ene.70254.
2
The role of AI and machine learning in the diagnosis of Parkinson's disease and atypical parkinsonisms.人工智能和机器学习在帕金森病和非典型帕金森综合征诊断中的作用。
Parkinsonism Relat Disord. 2024 Sep;126:106986. doi: 10.1016/j.parkreldis.2024.106986. Epub 2024 May 3.
3
Artificial intelligence in Parkinson's disease: Early detection and diagnostic advancements.人工智能在帕金森病中的应用：早期检测和诊断的进展。
Ageing Res Rev. 2024 Aug;99:102410. doi: 10.1016/j.arr.2024.102410. Epub 2024 Jul 5.
4
Artificial intelligence for assisting diagnostics and assessment of Parkinson's disease-A review.用于辅助帕金森病诊断和评估的人工智能——综述
Clin Neurol Neurosurg. 2019 Sep;184:105442. doi: 10.1016/j.clineuro.2019.105442. Epub 2019 Jul 16.
5
The advantages of artificial intelligence-based gait assessment in detecting, predicting, and managing Parkinson's disease.基于人工智能的步态评估在帕金森病检测、预测及管理中的优势。
Front Aging Neurosci. 2023 Jul 12;15:1191378. doi: 10.3389/fnagi.2023.1191378. eCollection 2023.
6
Internet of Things Technologies and Machine Learning Methods for Parkinson's Disease Diagnosis, Monitoring and Management: A Systematic Review.物联网技术和机器学习方法在帕金森病诊断、监测和管理中的应用：系统评价。
Sensors (Basel). 2022 Feb 24;22(5):1799. doi: 10.3390/s22051799.
7
Predicting Quality of Life in Parkinson's Disease: A Machine Learning Approach Employing Common Clinical Variables.预测帕金森病的生活质量：一种采用常见临床变量的机器学习方法。
J Clin Med. 2024 Aug 27;13(17):5081. doi: 10.3390/jcm13175081.
8
Reassessing Machine Learning Conclusions for Parkinson's Fall Prediction.重新评估用于帕金森病跌倒预测的机器学习结论。
Eur J Neurol. 2025 Jun;32(6):e70255. doi: 10.1111/ene.70255.
9
Prediction of motor and non-motor Parkinson's disease symptoms using serum lipidomics and machine learning: a 2-year study.利用血清脂质组学和机器学习预测帕金森病的运动和非运动症状：一项为期两年的研究。
NPJ Parkinsons Dis. 2024 Jun 25;10(1):123. doi: 10.1038/s41531-024-00741-y.
10
Machine learning and wearable sensors for automated Parkinson's disease diagnosis aid: a systematic review.机器学习和可穿戴传感器在帕金森病自动化诊断辅助中的应用：系统综述。
J Neurol. 2024 Oct;271(10):6452-6470. doi: 10.1007/s00415-024-12611-x. Epub 2024 Aug 14.

引用本文的文献

1
Reply to Comments on the Article "Machine Learning Predicts Risk of Falls in Parkinson's Disease Patients in a Multicenter Observational Study".对《机器学习在一项多中心观察性研究中预测帕金森病患者跌倒风险》一文评论的回复
Eur J Neurol. 2025 Jul;32(7):e70281. doi: 10.1111/ene.70281.

本文引用的文献

1
Machine Learning Predicts Risk of Falls in Parkison's Disease Patients in a Multicenter Observational Study.机器学习在一项多中心观察性研究中预测帕金森病患者的跌倒风险。
Eur J Neurol. 2025 May;32(5):e70118. doi: 10.1111/ene.70118.
2
Interpretable machine learning models for predicting venous thromboembolism in the intensive care unit: an analysis based on data from 207 centers.用于预测重症监护病房静脉血栓栓塞症的可解释机器学习模型：基于来自 207 个中心的数据的分析。
Crit Care. 2023 Oct 24;27(1):406. doi: 10.1186/s13054-023-04683-4.
3
Long short-term memory with activation on gradient.带梯度激活的长短期记忆网络。
Neural Netw. 2023 Jul;164:135-145. doi: 10.1016/j.neunet.2023.04.026. Epub 2023 Apr 25.
4
Machine learning for the prediction of acute kidney injury in patients with sepsis.机器学习在脓毒症患者急性肾损伤预测中的应用。
J Transl Med. 2022 May 13;20(1):215. doi: 10.1186/s12967-022-03364-0.