帕金森病(Parkinson’s disease,PD)是一种常见的神经系统变性疾病,老年人多见,平均发病年龄为60岁左右,40岁以下起病的青年帕金森病较少见。目前我国帕金森病患者的人数大约有300万左右,65岁以上人群的患病率是1.7% ,每年新发病患者的人数达到10万以上。作为一种不可治愈的疾病,帕金森病正严重威胁着老年群体的健康。唯有早诊断、早治疗才能提高患者的生活质量。

帕金森病除了典型的四大主征“运动迟缓、静止性震颤、肌强直和姿势平衡障碍 ”外,还有许多非运动症状:如认知障碍、嗅觉减退、便秘等。即使得到有效治疗,也可能会出现异动症、剂末现象(WO)等症状。因此想要准确判断帕金森病的严重程度和治疗情况,不能仅依靠临床医生的主观判断,更需要借助客观的量表来综合评测,进一步帮助临床医师进行更好地判断和诊疗。

医学量表被誉为现代医学的“工具箱” ,能在临床上用于评测疾病的严重程度和预后。尤其在帕金森病的辅助诊断中应用非常广泛。在诊断帕金森病的过程中,我们经常会用到单个或者多个量表的组合,让我们来看看有哪些吧。

1、统一帕金森病评定量表(UPDRS 3.0版)

介绍:

统一帕金森病评定量表(UPDRS)是国际公认的帕金森症状评定量表,包括4个亚量表,该量表得分越高代表症状越严重:

获取该量表:https://www.cxmed.cn/html/ms/ms0/preview_577.html

Ø UPDRS-Ⅰ为精神、行为及情绪评分,评测患者的精神状态,包括1~4项,0~16分,分值越高症状越重;

Ø UPDRS-Ⅱ为日常生活活动评分,包括书写、着装、个人卫生、翻身等13项,总分0~52分,总分越高日常生活能力越差,生活越不能自理;

Ø UPDRS-Ⅲ为运动检查评分,包括面部表情、震颤、强直、运动迟缓、姿势障碍、步态检查等14项,总分0~56分,得分越高躯体运动症状越严重;

Ø UPDRS-Ⅳ为运动并发症,包括对异动症、症状波动等并发症的评测,总分0~23分;

Ø 第32项评分>1分表明该PD患者存在异动症;

Ø 第36项评分=1分表明患者存在“开关”现象。

2、修订Hoehn和Yahr分期

介绍:

Hoehn-Yahr分级表是一个用来纪录帕金森症病情的分级表。此表于1967年发表在美国Neurology刊物上,作者为Melvin Yahr和Margaret Hoehn。

获取该量表:https://www.cxmed.cn/html/ms/ms0/preview_570.html

3、Schwab和England日常生活活动量表

介绍:

Schwab和England日常生活活动量表(Schwab and England Scale,SES)是Schwab和England于1969年修订,用于评价帕金森病人的日常生活活动能力。

获取该量表:https://www.cxmed.cn/html/ms/ms0/preview_469.html

4、异动症评定量表

介绍:

异动症评定量表是1994年Goetz等根据录像带的运动任务表现报道的,通过患者执行任务的录像记录,并分配到全面严重程度分级(0~4级),用以鉴别异动症的类型和严重程度。

获取该量表:https://www.cxmed.cn/html/ms/ms0/preview_275.html

5、帕金森病睡眠障碍量表

介绍:

帕金森病伴睡眠障碍的发生率可高达90%以上,严重影响患者的生存质量。20世纪初,Chaudhuri等人设计了一个专门用来评测帕金森病患者常见睡眠问题的量表——帕金森病睡眠障碍量表(PDSS)。

获取该量表:https://www.cxmed.cn/html/ms/ms0/preview_423.html

该量表共计15项,每项问题的评分均自0分(症状极严重且持续)至10分(无症状)。该量表具有很强的重测信度和灵敏度,且其对睡眠问题量化的临床有效性和可靠性也得到了例证。该量表有一定局限性,不能作为详细评测睡眠结构体系的金标准,但它确实是一个简单、廉价、适用于临床、能对帕金森病睡眠问题进行简单半定量评测的床旁工具,通过该量表检查可以获得睡眠障碍潜在原因的概况。PDSS的缺陷在于半定量评测,无法明确睡眠障碍的程度,且无法确定某些特殊的睡眠障碍。

除了上述五个常用量表外,帕金森病常用的量表还有很多。例如《帕金森式病患者生活质量量表》、《统一多系统萎缩评测量表》等,这些量表在常笑医学网均有收录。常笑医学网作为一家专业的医学服务平台,量表工具 所收录的帕金森病常用、罕见量表种类齐全、内容权威且使用便捷,是精神科临床医生不可多得的在线量表工具。

量表虽然是临床医生最常用的辅助工具,但想轻松获取和使用量表却不是一件轻松的事情。一方面,通过文献、书籍、搜索引擎查找量表过程繁琐、耗费精力;另一方面,提供专业量表服务的医学平台少之又少,要么量表数量不够丰富,要么无法在线使用。常笑医学网量表工具的出现恰好填补了这一空白,为临床辅助诊断准确率、效率的提升提供了有力支持。

常笑医学网多年来始终致力于为医生、医学生、护理人员及其他医药专业人员创建优质学习与交流平台,帮助他们提升医技,促进科研转化。医学量表自推出以来,服务惠及全国上千名医药工作者,他们之所以选择常笑医学网量表工具,还有以下三点原因:

量表数量与质量兼具 一站式满足各种需求

常笑医学网量表工具收录超过600个常用与罕见医学量表,涵盖内科、儿科、外科、妇产科、重症医学科、骨科、精神科、耳鼻咽喉头颈科等16个科室。大多数量表获得了授权,内容权威丰富,帮助临床医生节省了大量时间。

完全免费 支持在线计算评测

很多医药工作者都遇到过这样的烦恼,在网络上找到了需要的量表,可点击下载的时候,却弹出了一张二维码,不仅要登录,甚至还需要积分或者付费才能使用。花钱是小事,关键耽误事。

常笑医学网所有量表均免费为医药工作者开放,而且支持在线使用+下载文档 两种方式灵活切换。无论是评测患者的他评量表还是需要患者自行评测的自评量表,均能满足多种使用场景。最重要的是量表工具还支持自动生成评测报告,又进一步提升了诊断的准确性和效率。

多个量表组合使用更方便

每个量表都有特定的评估角度和内容,根据评估目的和条件,选择合适的量表组合能够达到更好的互补效果,也能更加全面地评价患者的身体状态。

常笑医学网量表工具在评测页面右侧设置了相关量表与历史记录功能,可以迅速帮助医药工作者调取可能使用到的相关量表,多个量表组合使用更方便。

如今量表的使用已经拓展到了各个科室和领域,不仅是临床医生的好帮手,而且是医药工作者发表论文搞科研的有利工具。想体验更多优秀的医学量表,记得收藏常笑医学网。

帕金森病常用评测量表有哪些?收藏常笑医学网权威量表免费用相关推荐

  1. Dataset:数据集集合(综合性)——机器学习、深度学习算法中常用数据集大集合(建议收藏,持续更新)

    Dataset:数据集集合(综合性)--机器学习.深度学习算法中常用数据集大集合(建议收藏,持续更新) 目录 常规数据集 各大方向分类数据集汇总 具体数据集分类 相关文章 DL:关于深度学习常用数据集 ...

  2. 史上最全的Linux常用——目录和文件管理命令——收藏这一篇就够了!(超全,超详细)

    史上最全的Linux常用--目录和文件管理命令--收藏这一篇就够了!(超全,超详细) Linux目录结构 命令 查看文件内容:-cat 查看文件内容:-more 查看文件内容:-less 查看文件内容 ...

  3. MySql常用知识归纳整理(收藏)

    MySql常用知识归纳整理(收藏) 一.连接与退出 二.导入导出--推荐Navicat For Mysql 三.修改密码与增加用户权限 四.结构化查询语言 一.DDL:数据定义语言 二.DML: 数据 ...

  4. 抑郁症自测量表测试软件,快来测测抑郁--抑郁自评量表 (此表是是收费工具,我献给大家)...

    该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 抑郁自评量表(Self-rating Depression Scale, SDS)是由Zung于1965年编制而成.能全面.准确.迅速地反映被试抑郁状态的 ...

  5. 数据库零碎---常用的mysql命令,收藏了,方便查阅

    1:使用SHOW语句找出在服务器上当前存在什么数据库: mysql> SHOW DATABASES; 2:2.创建一个数据库MYSQLDATA mysql> CREATE DATABASE ...

  6. 抓取一台电脑linux,教程方法;用来获取Linux主机信息的5个常用命令电脑技巧-琪琪词资源网...

    琪琪词资源网-教程方法;用来获取Linux主机信息的5个常用命令电脑技巧,以下是给大家带来的教程方法;用来获取Linux主机信息的5个常用命令,大家可以了解一下哦! 有些时候Linux 系统管理员在接 ...

  7. 70 个数据分析常用网址,我先收藏了!

    转自:小蚊子数据分析 今天给大家分享的这篇文章,更像是一份数据分析常用网站字典,一共70个,可视化.词频词云.PPT模板等等面面俱到,值得收藏!   数据可视化工具 百度ECharts http:// ...

  8. 机器学习核心概念、常用术语整理(建议收藏)

    [转]机器学习核心概念完全解析(建议收藏) 原文链接:https://mp.weixin.qq.com/s/wEpmF1gdvsIimnvXrxKdRw AI干货知识库 刚接触机器学习框架 Tenso ...

  9. 我总结了五种常用聚类分析算法,推荐收藏

    大量数据中具有"相似"特征的数据点或样本划分为一个类别.聚类分析提供了样本集在非监督模式下的类别划分. 基本思想 物以类聚.人以群分 常用于数据探索或挖掘前期 没有先验经验做探索性 ...

最新文章

  1. 《亮剑》,我看了不下五遍。
  2. ASP.NET Core 菜鸟之路:从Startup.cs说起
  3. 与table有关的布局
  4. NYOJ 题目68 三点顺序
  5. android 界面布局 很好的一篇总结 【转】
  6. LeetCode 2147. 分隔长廊的方案数
  7. Principle --03
  8. fastjson 大写转小写 字段_对象转json字符串,属性首字母大写自动变为小写
  9. 自动备份SQL Server数据库中用户创建的Stored Procedures
  10. background-image 与 img 动画性能对比
  11. Linux离线同步时间
  12. 蔚来2018年平均每天亏掉2641万,车辆交付预期环比腰斩
  13. MTK平台camera驱动架构分析
  14. 火狐浏览器自动刷新网页插件
  15. [JavaWeb] [IDEA2021] Java 实现【阿里云/臻子云】短信验证码发送【详细】
  16. ubuntu护眼软件——Redshift
  17. SDI相机实时采集处理DSP系统 目标跟踪
  18. 国产积木---克尔维特(多图流量预警)
  19. java照片水印怎么做的_java图片加水印_百度经验
  20. 2021届双非本科的心酸秋招经历总结及经验分享

热门文章

  1. 财报汇总 | TCL电子、百世集团、中通快递、维他奶、1药网、伊顿等11家企业公布最新业绩...
  2. Autodesk 123D 神般强大的软件
  3. 1191:神奇的立方数
  4. 计算机互联网IT行业
  5. JAVA写文本编辑器(一)
  6. 中国光伏企业反对美国设卡
  7. 如何在桌面上显示我的计算机,怎么在桌面显示我的电脑 - 卡饭网
  8. 企业即时通讯需要哪些功能?如何快速实现即时通讯
  9. 机器学习中文资料合集 [转载自机器之心]
  10. MATLAB的程序结构