Changes in Functional Brain Networks following Sports-Related Concussion in Adolescents
Notice bibliographique
Résumé
Sports-related concussion is a major public health issue; however, little is known about the underlying changes in functional brain networks in adolescents following injury. Our aim was to use the tools from graph theory to evaluate the changes in brain network properties following concussion in adolescent athletes. We recorded resting state electroencephalography (EEG) in 33 healthy adolescent athletes and 9 adolescent athletes with a clinical diagnosis of subacute concussion. Graph theory analysis was applied to these data to evaluate changes in brain networks. Global and local metrics of the structural properties of the graph were calculated for each group and correlated with Immediate Post-Concussion Assessment and Cognitive Testing (ImPACT) scores. Brain networks of both groups showed small-world topology with no statistically significant differences in the global metrics; however, significant differences were found in the local metrics. Specifically, in the concussed group, we noted: 1) increased values of betweenness and degree in frontal electrode sites corresponding to the (R) dorsolateral prefrontal cortex and the (R) inferior frontal gyrus and 2) decreased values of degree in the region corresponding to the (R) frontopolar prefrontal cortex. In addition, there was significant negative correlation between degree and hub value, with total symptom score at the electrode site corresponding to the (R) prefrontal cortex. This preliminary report in adolescent athletes shows for the first time that resting-state EEG combined with graph theoretical analysis may provide an objective method of evaluating changes in brain networks following concussion. This approach may be useful in identifying individuals at risk for future injury.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 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 ».