Fatigue in Multiple Sclerosis: Assessing Pontine Involvement Using Proton MR Spectroscopic Imaging
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: The underlying mechanism of fatigue in multiple sclerosis (MS) remains poorly understood. Our study investigates the involvement of the ascending reticular activating system (ARAS), originating in the pontine brainstem, in MS patients with symptoms of fatigue. METHODS: Female relapsing-remitting MS patients (n = 17) and controls (n = 15) underwent a magnetic resonance spectroscopic imaging protocol at 1.5T. Fatigue was assessed in every subject using the Fatigue Severity Scale (FSS). Using an FSS cut-off of 36, patients were categorized into a low (n = 9, 22 ± 10) or high (n = 10, 52 ± 6) fatigue group. The brain metabolites N-acetylaspartate (NAA) and total creatine (tCr) were measured from sixteen 5x5x10 mm3 spectroscopic imaging voxels in the rostral pons. RESULTS: MS patients with high fatigue had lower NAA/tCr concentration in the tegmental pons compared to control subjects. By using NAA and Cr values in the cerebellum for comparison, these NAA/tCr changes in the pons were driven by higher tCr concentration, and that these changes were focused in the WM regions. DISCUSSION/CONCLUSION: Since there were no changes in NAA concentration, the increase in tCr may be suggestive of gliosis, or an imbalanced equilibrium of the creatine and phosphocreatine ratio in the pons of relapsing-remitting MS patients with fatigue.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».