Presurgical Language fMRI and Postsurgical Deficits: A Single Centre Experience
Notice bibliographique
Résumé
BACKGROUND: In this study, we conducted a retrospective investigation of our initial single-centre experience with the clinical use of functional magnetic resonance imaging (fMRI) of hemisphere dominance for language processing (i.e., language lateralization). We demonstrated its association with surgical outcome and its potential impact on surgical planning and patient management. METHODS: Fifty-two cases were reviewed, covering the period from July 2007 to July 2010. Clinical fMRI reports were examined to determine the hemisphere dominance for language processing. Neurological reports were examined to determine if new language deficits were present post-surgery. Neurosurgeon notes were also reviewed to determine if fMRI had an impact on surgical planning. RESULTS: Of the cases reviewed, 49 (94%) generated conclusive fMRI. Eleven (22%) patients exhibited fMRI language lateralization contralateral to pathology; zero of nine of these patients that had surgery experienced post-surgical deficits. Twenty-two (44%) patients exhibited fMRI language lateralization ipsilateral to pathology; three of 13 of these patients that had surgery experienced post-surgical deficits. Sixteen (34%) patients exhibited bilateral lateralization of language; five of 13 of these patients that had surgery experienced post-surgery deficits. Several post-fMRI reports indicated that fMRI results had an impact on surgical planning. CONCLUSIONS: Our results suggest that fMRI demonstrations of language processing within the hemisphere ipsilateral to pathology (either ipsilateral alone or bilateral) is associated with a greater risk for post-surgical language deficits, and in these cases, fMRI results should be taken into consideration for pre-surgical planning. IRMf du langage avant la chirurgie et déficits après la chirurgie : expérience d'un centre.
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 | 0,002 |
| 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 | 0,002 | 0,006 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».