Detecting Cognitive Dysfunction in Multiple Sclerosis with a Magnetic Resonance Imaging Rating Scale: A Pilot Study
Notice bibliographique
Résumé
OBJECTIVE: In multiple sclerosis (MS), magnetic resonance imaging (MRI) predictors of cognitive impairment are based on sophisticated computer-generated analyses that are difficult to apply in clinical settings. This study investigated the clinical usefulness of a new visual rating scale, the Cholinergic Pathways Hyperintensities Scale (CHIPS), in detecting cognitive dysfunction. METHODS: Forty clinically definite MS patients underwent a brain MRI. Based on the CHIPS, cholinergic pathway hyperintensities were rated in 10 regions on four axial slices. Computerized hyperintense lesion volumes were also obtained. For cognitive testing, The Neuropsychological Screening Battery for Multiple Sclerosis was used. "Low" and "High" lesion score groups were computed based on the mean of the total CHIPS score. Optimal sensitivity and specificity of the total CHIPS score in detecting cognitive impairment were determined using a receiver operator characteristic curve. RESULTS: Despite a similar demographic profile, subjects with a "High" lesion score performed significantly worse than the "Low" lesion score group on verbal (P = .007) and visuospatial (P = .02) memory, and on a global index of cognitive functioning (P = .001). Optimal sensitivity (82%) and specificity (83%) were reached with a threshold total CHIPS score of 18 points. Total CHIPS score and total hyperintense lesion load were correlated (sigma = 0.82, P < .0001). CONCLUSION: CHIPS is helpful in clinically predicting cognitive impairment in MS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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; 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 ».