MétaCan
Menu
← Retour à la cohorte
Enregistrement W2078039122 · doi:10.1016/j.jalz.2008.05.122

IC‐P3‐178: Multi‐component relaxometry and myelin water fraction imaging with gradient recalled acquisition in the steady state

2008· article· en· W2078039122 sur OpenAlexaff
Sean Deoni, Brian K. Rutt, Carlo Pierpaoli, Derek K. Jones

Notice bibliographique

RevueAlzheimer s & Dementia · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésRelaxometrySteady-state free precession imagingMyelinNuclear magnetic resonanceIn vivoPartial volumeFree waterMagnetic resonance imagingWhite matterChemistryBiomedical engineeringVolume (thermodynamics)Nuclear medicineMaterials scienceNeurosciencePhysicsMedicineBiologyRadiologyCentral nervous systemSpin echoEnvironmental scienceThermodynamics

Résumé

récupéré en direct d'OpenAlex

Background: Understanding factors that contribute to successful cognitive aging has become increasingly important as a growing portion of the population lives to very old age.Our research has focused on different patterns of cognitive aging by using electrophysiologic and behavioral measures.Previously, we demonstrated (e.g., NeuroImage, 2008; 39(1)) that cognitively high-functioning younger-old (y-old) (65-79 y.o.) subjects allocate more neural resources, as measured by the P3 event-related potential, than cognitively high-functioning middle-aged and young subjects and than cognitively average-functioning y-old subjects.Interestingly, although cognitively average-functioning middle-aged subjects appropriate more resources to novel stimuli than cognitively-matched young subjects, cognitively average-functioning y-old subjects exhibit a substantial reduction in novelty P3 amplitude.These findings suggest that age-related compensatory activity may involve increased allocation of capacity-limited controlled resources that persists until capacity limits are exceeded.For cognitively average-functioning adults this may occur by y-old age.We hypothesized that in cognitively high functioning adults this would develop in old-old (o-old) age.Here we have extended our investigations to include o-old individuals ('80 y.o.), and report on preliminary results.Objective: To determine whether cognitively high functioning o-old adults continue to exhibit compensatory neural activity and a preference for attending to novelty.Methods: Electrophysiologic and behavioral responses to standard, target, and novel visual stimuli were recorded while young, middleaged, y-old, and o-old individuals performed a subject-controlled variant of the novelty oddball task.Results: Cognitively high-functioning o-old adults exhibited a large reduction in their novelty P3, but not until their mid to late 80s.Behaviorally, cognitively high-functioning individuals in their 90s continued to spend more time exploring novel than repetitive standard visual stimuli.Conclusions: Our research suggests that age-related compensatory neural activity may not be limited to high-functioning older individuals with substantial cognitive reserve, but also be observed among cognitively average-functioning adults at an earlier stage of the lifespan.Cognitively high-functioning adults appear to have the capacity to appropriate compensatory neural resources at least through their early 80s, and continue to be attracted to novelty, a hallmark of healthy human behavior, at least through their early 90s.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,291
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAdvanced MRI Techniques and Applications→Travaux en français237 207→