Gray matter blood flow and volume are reduced in association with white matter hyperintensity lesion burden: a cross-sectional MRI study
Notice bibliographique
Résumé
Cerebral White Matter Hyperintensities (WMH) are associated with vascular risk factors and age-related cognitive decline. WMH have primarily been associated with global white matter and gray matter (GM) changes and less is known about regional effects in GM. The purpose of this study was to test for an association between WMH and two GM imaging measures: cerebral blood flow (CBF) and voxel-based morphometry (VBM). Twenty-six elderly adults with mild to severe WMH participated in this cross-sectional 3 Tesla magnetic resonance imaging (MRI) study. MRI measures of GM CBF and VBM were derived from arterial spin labeling (ASL) and T1-weighted images, respectively. Fluid-attenuated inversion recovery (FLAIR) images were used to quantify the WMH lesion burden (mL). GM CBF and VBM data were used as dependent variables. WMH lesion burden, age and sex were used in a regression model. Visual rating of WMH with the Fazekas method was used to compare the WMH lesion volume regression approach. WMH volume was normally distributed for this group (mean volume of 22.7 mL, range: 2.2-70.6 mL). CBF analysis revealed negative associations between WMH volume and CBF in the left anterior putamen, subcallosal, accumbens, anterior caudate, orbital frontal, anterior insula, and frontal pole (corrected p < 0.05). VBM analysis revealed negative associations between WMH and GM volume in lingual gyrus, intracalcarine, and bilateral hippocampus (corrected p < 0.05). The visual rating scale corroborated the regression findings (corrected p < 0.05). WMH lesion volume was associated with intra-group GM CBF and structural differences in this cohort of WMH adults with mild to severe lesion burden.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».