Diffusion tensor imaging abnormalities in depressed multiple sclerosis patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Depression is common in patients with multiple sclerosis, but to date no studies have explored diffusion tensor imaging indices associated with mood change. This study aimed to determine cerebral correlates of depression in multiple sclerosis patients using diffusion tensor imaging. Sixty-two subjects with multiple sclerosis were assessed for depression with the Beck Depression Inventory (BDI-II). All subjects underwent magnetic resonance imaging. Whole brain and regional volumes were calculated for lesions (hyper/hypointense) and normal-appearing white and grey matter. Fractional anisotropy and mean diffusivity were calculated for each brain region. Magnetic resonance imaging comparisons were undertaken between depressed (Beck Depression Inventory > or = 19) and non-depressed subjects. Depressed subjects (n = 30) had a higher hypointense lesion volume in the right medial inferior frontal region, a smaller normal-appearing white matter volume in the left superior frontal region, and lower fractional anisotropy and higher mean diffusivity in the left anterior temporal normal-appearing white matter and normal-appearing grey matter regions, respectively. Depressed subjects also had higher mean diffusivity in right inferior frontal hyperintense lesions. Magnetic resonance imaging variables contributed to 43% of the depression variance. We conclude that the presence of more marked diffusion tensor imaging abnormalities in the normal-appearing white matter and normal-appearing grey matter of depressed subjects highlights the importance of more subtle measures of structural brain change in the pathogenesis of depression.
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle