MétaCan
Menu
Retour à la cohorte
Enregistrement W2367509912 · doi:10.2310/6650.2005.x0015.131

53 MAGNETIC RESONANCE SPECTROSCOPY, DIFFUSION TENSOR IMAGING, AND MAGNETIC RESONANCE PERFUSION IN THE EVALUATION OF FIBROMYALGIA PATIENTS: A PROSPECTIVE STUDY.

2006· article· en· W2367509912 sur OpenAlexaboutno aff
M.D. Ilya Petrou, Bradley R. Foerster, Scott A. McLean, Richard E. Harris, Daniel J. Clauw, Pia C. Sundgren

Notice bibliographique

RevueJournal of Investigative Medicine · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFibromyalgiaWhite matterNuclear medicineMagnetic resonance imagingMedicineDiffusion MRINuclear magnetic resonanceFunctional magnetic resonance imagingVoxelPerfusionInternal medicineRadiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Purpose To determine if there are significant differences between fibromyalgia (FM) patients and healthy controls using three different functional brain imaging techniques to assess for differences in a number of brain areas that have been considered to play a role in pain processing. Materials and Methods All subjects (20 FM patients and 20 age-matched controls) underwent a conventional pre- and postcontrast MRI as well as completing extensive baseline clinical work-up including the McGill Pain Questionnaire and pain/pressure sensitivity testing. For 2D-CSI proton spectroscopy (TE/TR = 144/1500 ms), 18 1 × 1 × 1 cm voxels were placed in areas implicated in pain processing. Metabolite ratios were calculated for each voxel. DTI was performed using a single-shot spin-echo EPI technique along nine different directions with a b value of 1,000 s/mm2 and standardized 50 mm2 regions of interests (ROIs) were placed in a number of potential pain processing regions. For MR perfusion, 20 50 mm2 circular ROIs were placed in selected gray and white matter structures to allow calculation of relative quantitative data for mean time to enhance (MTE) and negative enhancement integral (NEI). Student9s t-test was used for statistical analysis. Results Analysis of the 2D-CSI data showed mean Cho/Cr ratios to be significantly higher in FM patients compared to normal controls in the right prefrontal subcortical white matter (p = .02) and the left parietal white matter (p = .04). Nonsignificant similar trends were seen in the left thalamus (p = .07) and the left internal capsule (p = .09). No significant differences were found in apparent diffusion coefficient (ADC) and fractional anisotropy (FA) values between fibromyalgia patients and normal controls in most of the different regions examined. A tendency for lower FA values was found in the parietal white matter in patients with fibromyalgia compared to the normal healthy controls, 0.256 ± 0.026 (mean ± SD) vs 0.273 ± 0.034, respectively (p = .06). Regarding MR perfusion, relative MTE values were significantly lower in FM patients compared to healthy controls in the following areas: bilateral insula, thalami, prefrontal dorsolateral gray matter, corona radiata, frontal white matter, parietal white matter, and right internal capsule. Conclusion Our data suggest that there are differences between FM patients and healthy controls in brain regions that have been implicated in pain processing. Larger studies are needed to better understand the determinants and consequences of CNS changes in FM, correlate with clinical symptoms, and evaluate the potential of functional imaging in disease monitoring and therapy response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,021
Tête enseignante GPT0,314
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), 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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Investigative MedicineMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207