Accelerometry-Derived REM Sleep Behavior Disorder Predicts Future Parkinson's Disease in the UK Biobank
Cette étude démontre que l'application d'un classificateur d'apprentissage automatique aux données d'accélérométrie du poignet dans la UK Biobank identifie efficacement les individus présentant un trouble du comportement en sommeil paradoxal qui ont un risque significativement élevé et dose-dépendant de développer la maladie de Parkinson, offrant ainsi une alternative évolutive et supérieure au dépistage par questionnaire pour l'enrichissement des risques prodromaux.