MétaCan
Menu
Retour à la cohorte
Enregistrement W2140771515 · doi:10.1161/strokeaha.114.007146

Relationship Between White Matter Hyperintensities, Cortical Thickness, and Cognition

2015· article· en· W2140771515 sur OpenAlexfundno aff
Anil M. Tuladhar, Andrew Reid, Elena Shumskaya, Karlijn F. de Laat, Anouk G.W. van Norden, Ewoud J. van Dijk, David G. Norris, Frank‐Erik de Leeuw

Notice bibliographique

RevueStroke · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthInternationale Stichting Alzheimer Onderzoek
Mots-clésMedicineHyperintensityCognitionWhite matterLeukoaraiosisStroke (engine)CardiologyNeuroscienceMagnetic resonance imagingRadiologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: White matter hyperintensities (WMH) are associated with clinically heterogeneous symptoms that cannot be explained by these lesions alone. It is hypothesized that these lesions are associated with distant cortical atrophy and cortical thickness network measures, which can result in an additional cognitive impairment. Here, we investigated the relationships between WMH, cortical thickness, and cognition in subjects with cerebral small vessel disease. METHODS: A total of 426 subjects with cerebral small vessel disease were included, aged between 50 and 85 years, without dementia, and underwent MRI scanning. Cortical thickness analysis was performed, and WMH were manually segmented. Graph theory was applied to examine the relationship between network measures and WMH, and structural covariance matrices were constructed using inter-regional cortical thickness correlations. RESULTS: Higher WMH load was related to lower cortical thickness in frontotemporal regions, whereas in paracentral regions, this was related to higher cortical thickness. Network analyses revealed that measures of network disruption were associated with WMH and cognitive performance. Furthermore, WMH in specific white matter tracts were related to regional-specific cortical thickness and network measures. Cognitive performances were related to cortical thickness in frontotemporal regions and network measures, and not to WMH, while controlling for cortical thickness. CONCLUSIONS: These cross-sectional results suggest that cortical changes (regional-specific damage and network breakdown), mediated (in)directly by WMH (tract-specific damage) and other factors (eg, vascular risk factors), might lead to cognitive decline. These findings have implications in understanding the relationship between WMH, cortical morphology, and the possible attendant cognitive decline and eventually dementia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,041
Score d'incertitude au seuil0,498

Scores Codex et Gemma par catégorie

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

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 Opus0,062
Tête enseignante GPT0,325
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 tête enseignante, 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

Citations194
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetDementia and Cognitive Impairment ResearchTravaux en français237 207