MétaCan
Menu
← Retour à la cohorte
Enregistrement W2079848144 · doi:10.1016/j.jalz.2010.05.569

P1‐022: Characterizing abnormal white matter structure in primary progressive aphasia

2010· article· en· W2079848144 sur OpenAlexaffabout
Graeme Schwindt, Naida L. Graham, Elizabeth Rochon, David F. Tang‐Wai, Sandra E. Black

Notice bibliographique

RevueAlzheimer s & Dementia · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensToronto Western HospitalToronto Rehabilitation InstituteSunnybrook Health Science CentreHealth Sciences CentreUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPrimary progressive aphasiaDiffusion MRIWhite matterFractional anisotropyAudiologyArcuate fasciculusVoxelNuclear medicineUncinate fasciculusSMA*PsychologyBoston Naming TestInferior longitudinal fasciculusMedicineNeuroscienceDementiaCognitionPathologyRadiologyNeuropsychologyMathematicsMagnetic resonance imagingFrontotemporal dementiaDisease

Résumé

récupéré en direct d'OpenAlex

Primary progressive aphasia (PPA) shows early selective language impairment, and relative sparing of other cognitive domains. Cortical atrophy is noted in the left perisylvian language areas, though different PPA subtypes may have additional areas involved. To date, little work has examined the integrity of white matter tracts in PPA, but there is some suggestion that the arcuate region of the left superior longitudinal fasciculus (SLF) may be involved. The present study uses diffusion tensor imaging (DTI) and tract-based spatial statistics (TBSS)5 to examine differences in fractional anisotropy (FA), radial (DR), and axial diffusivity (DA) between a group of PPA patients and healthy controls. 10 patients with PPA (3 non-fluent, 7 semantic dementia) were recruited from two clinical sites in Toronto. 17 healthy controls were matched to patients for age and education. Diffusion weighted images were collected on a 3.0T GE Signa scanner with 23 directions and two repetitions. Analysis was carried out using TBSS within the FSL package. FA, DA, and DR images were calculated for each individual. Images were transformed into MNI space using the FMRIB58 FA template and nonlinear registration. FA images were skeletonised to define a search space for voxel-wise comparisons. 2-sample t-tests compared FA, DR, and DA between groups, with randomise for non-parametric estimation and threshold-free cluster enhancement for multiple-comparisons correction. FA values were higher in controls across a number of territories, including left SLF, bilateral inferior longitudinal fasciculi (ILF) and uncinate fasciculi (UF). Patients showed higher DR overlapping these changes in FA, while DA was not reduced in patients. DA was higher in patients than controls within voxels contributing to the left UF and forceps major. Results suggest white matter disruption is widespread in PPA, but includes left-hemisphere SLF/arcuate involvement. This disruption is marked by an increase in radial diffusivity without loss of axial diffusivity and may reflect demyelination in multiple tracts. Increased DA and DR in left UF may represent a unique degenerative process in this tract which could relate to loss of semantic memory in PPA. Future work will examine differences between PPA subtypes and clinical correlates of these findings.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,024
Tête enseignante GPT0,307
Écart entre enseignants0,283 · 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'étudeObservationnel
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
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

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