Diffusion Tensor Imaging Findings in Post-Concussion Syndrome Patients after Mild Traumatic Brain Injury: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVES: To review the evidence for the use of diffusion tensor imaging (DTI) parameters in the human brain as a diagnostic tool for and predictor of post-concussion syndrome (PCS) after a mild traumatic brain injury (mTBI). DESIGN: Systematic review. DATA SOURCES: All relevant studies in AMED, Embase, MEDLINE, Ovid, PubMed, Scopus, and Web of Science through 20 May, 2016. STUDY SELECTION: Studies that analyze traditional DTI measures [fractional anisotropy (FA), mean diffusivity (MD), radial diffusivity (RD), and axial diffusivity (AD)] and the severity of PCS symptoms or the development of PCS in humans after an mTBI. DATA EXTRACTION: Population studied, patient source, mTBI diagnosis method, PCS diagnosis method, DTI values measured, significant findings, and correlation between DTI findings and PCS. DATA SYNTHESIS: Ten studies investigated correlations between DTI values and PCS symptom severity or between DTI values and the development of PCS in mTBI patients. Decreased FA and increased MD and RD were associated with the development and severity of PCS. AD was not found to change significantly. Brain regions found to have significant changes in DTI parameters varied from study to study, although the corpus callosum was most frequently cited as having abnormal DTI parameters in PCS patients. CONCLUSION: DTI abnormalities correlate with PCS incidence and symptom severity, as well as indicate an increased risk of developing PCS after mTBI. Abnormal DTI findings should prompt investigation of the syndrome to ensure optimal symptom management at the earliest stages. Currently, there is no consensus in the literature about the use of one DTI parameter in a specific region of the brain as a biomarker for PCS because no definite trends for DTI parameters in PCS subjects have been identified. Further research is required to establish a standard biomarker for PCS.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,005 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».