MétaCan
Menu
Retour à la cohorte
Enregistrement W2358339361

Influence of cerebral white matter lesions on cognitive function

2012· article· en· W2358339361 sur OpenAlexaboutno aff
Ganqin Du

Notice bibliographique

RevueJournal of Zhengzhou University · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueBrain Tumor Detection and Classification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentCognitionHyperintensityCognitive impairmentMedicineWhite matterLesionAudiologyOrientation (vector space)Visual memoryPsychologyMagnetic resonance imagingPathologyRadiologyPsychiatryGeometry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Aim:To investigate the cognitive function impairment of patients with cerebral white matter lesion(WML) at different extent and different location.Methods:According to MRI T2 weighted-imaging and FLAIR imaging,75 patients were first classified into 3 subgroups(mild,moderate,and severe) depending on the extent,then were classified into 2 subgroups(periventricular lesions and deep WML) depending on the location.Thirty normal people were regarded as control group.Cognitive performance was assessed using the Montreal Cognitive Assessment(MoCA).Results:Compared with control,WML group had significantly low scores in total MoCA score,visual spatial,executive function,language,memory and orientation.Moderate and severe subgroups had significantly low scores in attention,calculation and abstraction;severe subgroup had significantly low scores in naming(P 0.05).The periventricular lesion subgroup had significantly low scores in total MoCA score,calculation,language,abstraction,memory and orientation,and insignificantly high scores in visual spatial,executive function or attention compared with deep WML subgroup.Conclusion:Patients with WML undergo cognitive function impairment,especially in visual spatial,executive function,language,abstraction,memory and orientation.Periventricular and deep WML may have different influence on cognitive function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,436
Score d'incertitude au seuil0,239

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,234
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Zhengzhou UniversityMême sujetBrain Tumor Detection and ClassificationTravaux en français237 207