Skewness of Fractional Anisotropy Detects Decreased White Matter Integrity Resulting From Acute Optic Neuritis
Notice bibliographique
Résumé
PURPOSE: Diffusion tensor imaging (DTI) has demonstrated optic nerve damage associated with optic neuritis (ON); however, the usefulness of mean fractional anisotropy (FA) specifically is varied in the literature. We wished to determine whether histogram analysis of FA better detects ON damage than mean FA. METHODS: The ON patients (n = 24) underwent DTI within 1 month of symptoms and then 6 months later (n = 21). Twelve control subjects participated in one session. Mean FA and axial (AD), radial (RD), and mean (MD) diffusivities were compared between ON and fellow eyes, control eyes, and sessions. Values were sorted into bins, and coefficients of skewness of FA, AD, RD, and MD were compared between ON and fellow eyes, control eyes, and sessions. RESULTS: Mean AD, RD, and MD of ON eyes were significantly reduced compared with fellow eyes (P < 0.04) within 1 month of symptoms, but did not differ at 6 months. Mean AD and RD of ON eyes were significantly lower than control eyes (P < 0.05). No differences were observed for mean FA. The coefficient of skewness of FA was significantly different between ON eyes and fellow eyes (P = 0.03) and control eyes (P = 0.04) within 1 month of symptoms, but did not differ at 6 months. No differences were observed for AD, RD, and MD. CONCLUSIONS: Skewness of FA can detect white matter damage associated with ON and its recovery, which may further inform us of how DTI can measure white matter injury and repair.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,007 |
| 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 ».