Cognitive Function and 3-Tesla Magnetic Resonance Imaging Tractography of White Matter Hyperintensities in Elderly Persons
Notice bibliographique
Résumé
BACKGROUND/AIMS: This study used 3-Tesla magnetic resonance imaging (MRI) tractography to determine if there was an association between tracts crossing white matter hyperintensities (WMH) and cognitive function in elderly persons. METHODS: Brain T2-weighted fluid-attenuated inversion recovery (FLAIR) and diffusion tensor MRI scans were acquired in participants above the age of 60 years. Twenty-six persons had WMH identified on T2 FLAIR scans. They completed a battery of neuropsychological tests and were classified as normal controls (n = 15) or with Alzheimer's dementia (n = 11). Tractography was generated by the Fiber Assignment by Continuous Tracking method. All tracts that crossed WMH were segmented. The average fractional anisotropy and average mean diffusivity of these tracts were quantified. We studied the association between cognitive test scores with the average mean diffusivity and average fractional anisotropy of tracts while controlling for age, total WMH volume and diagnosis. RESULTS: An increased mean diffusivity of tracts crossing WMH was associated with worse performance on the Wechsler Memory Scale-III Longest Span Forward (p = 0.02). There was no association between the fractional anisotropy of tracts and performance on cognitive testing. CONCLUSION: The mean diffusivity of tracts crossing WMH measured by tractography is a novel correlate of performance on the Wechsler Memory Scale-III Longest Span Forward in elderly persons.
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 | 0,000 |
| 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 ».