Decision-making under explicit risk is impaired in multiple sclerosis: relationships with ventricular width and disease disability
Notice bibliographique
Résumé
BACKGROUND: Decision-making is an essential function of everyday life. Decision-making under explicit risk requires developing advantageous decision strategies based on fixed outcomes (e.g., probabilities of winning or losing a bet). Decision-making and its neural substrates have been rarely studied in MS. We expected performance in decision-making under risk to be lowered in MS patients, and negatively correlated with disease-related disability, cognition, and ventricular width. METHODS: Three groups were included: 32 MS patients and 20 healthy controls were examined with conventional neuropsychological tests and the Game-of-Dice Task (GDT) assessing decision-making under explicit risk. Linear 2-D ventricular width was assessed on MS patients' clinical MRIs and compared to a third group, 20 non-MS neurological control patients. RESULTS: Compared to healthy controls, MS patients showed impaired GDT and neuropsychological performance, depending on the MS-subtype (relapsing-remitting (RR), n = 22; secondary progressive, n = 10) and disability severity among RR-MS patients. In MS patients, GDT performance correlated with processing speed, intercaudate ratio, and third ventricle ratio (p's < 0.05). Mediation analysis showed that the link between GDT performance and processing speed was fully explained by ventricular size. CONCLUSION: Decision-making under explicit risk was reduced in MS patients, but only those with more pronounced disability. Independent of processing speed, decision-making under explicit risk correlates inversely with central atrophy in MS.
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 | 0,002 |
| 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 ».