White matter and information processing speed following treatment with cranial-spinal radiation for pediatric brain tumor.
Notice bibliographique
Résumé
OBJECTIVE: We compared the structure of specific white matter tracts and information processing speed between children treated for posterior fossa tumors with cranial-spinal radiation (n = 30), or with surgery +/- focal radiation (n = 29), and healthy children (n = 37). METHOD: Probabilistic diffusion tensor imaging (DTI) tractography was used to delineate the inferior longitudinal fasciculi, optic radiation, inferior frontal occipital fasciculi, and uncinate fasciculi bilaterally. Information processing speed was measured using the coding and symbol search subtests of the Wechsler Intelligence Scales, and visual matching, pair cancellation, and rapid picture naming subtests of the Woodcock-Johnson Test of Cognitive Ability, 3rd revision. We examined group differences using repeated measures MANOVAs and path analyses were used to test the relations between treatment, white matter structure of the tracts, and information processing speed. RESULTS: DTI indices of the optic radiations, the inferior longitudinal fasciculi, and the inferior fronto-occipital fasciculi differed between children treated with cranial-spinal radiation and children treated with surgery +/- focal radiation, and healthy controls (p = .045). Children treated with cranial-spinal radiation also exhibited lower processing speed scores relative to healthy control subjects (p = .002). Notably, we observed that group differences in information processing speed were related to the structure of the right optic radiation (p = .002). CONCLUSION: We show that cranial-spinal radiation may have a negative impact on information processing speed via insult to the right optic radiations. (PsycINFO Database Record
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 ».