White Matter Microstructural Damage in Small Vessel Disease Is Associated With Montreal Cognitive Assessment But Not With Mini Mental State Examination Performances
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Montreal Cognitive Assessment (MoCA) has been proposed as a screening tool in vascular cognitive impairment. Diffusion tensor imaging is sensitive to white matter microstructural damage. We investigated if diffusion tensor imaging-derived indices are more strongly associated with performances on MoCA or on the widely used mini mental state examination in patients with mild cognitive impairment and small vessel disease. METHODS: Mild cognitive impairment patients with moderate/severe degrees of white matter hyperintensities on MRI were enrolled. Lacunar infarcts, cortical atrophy, medial temporal lobe atrophy and median values of mean diffusivity and fractional anisotropy of the cerebral white matter were studied and correlated with cognitive tests performances. RESULTS: Seventy-six patients (mean age 75.1±6.8 years, mean years of education 8.0±4.3) were assessed. In univariate analyses, a significant association of both MoCA and mini mental state examination scores with age, education, cortical atrophy, and medial temporal lobe atrophy was found, whereas mean diffusivity and fractional anisotropy were associated with MoCA. In partial correlation analyses, adjusting for all demographic and neuroimaging variables, both mean diffusivity and fractional anisotropy were associated only with MoCA (mean diffusivity: r= -0.275, P=0.023; fractional anisotropy: r=0.246, P=0.043). CONCLUSIONS: In patients with mild cognitive impairment and small vessel disease, diffusion tensor imaging-measured white matter microstructural damage is more related to MoCA than mini mental state examination performances. MoCA is suited for the cognitive screening of patients with small vessel disease.
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 ».