PC3 - 191 Assessment of Preoperative Functional MRI Measurement of Language Lateralisation in Brain Tumour Patients
Notice bibliographique
Résumé
This study aims to evaluate reliability of clinical functional magnetic resonance imaging (fMRI) in identifying language lateralisation index (LI), verified with Edinburgh handedness inventory (EHI), in brain tumour patients. Methods In this retrospective study, 31 of a single surgeon’s brain tumour patients over a 12 year period have been selected. Lesion type varied, 12 (39 percent) were high grade gliomas, 10 (32 percent) low grade gliomas, 3 (10 percent) meningiomas, and 6 (19 percent) other types. Patients underwent language fMRI paradigms for preoperative assessment, and a neuroimaging analyst was able to identify an LI value for at least one Brodmann area (BA). For each paradigm, a neuroimaging analyst attempted to calculate LI for Wernicke’s area (BA 22) and Broca’s area (BA 44 and 45). Results Of 113 total LI values, 66 (58 percent) were concordant to EHI-predicted hemispheric dominance. Reliability of language LI appears dependent upon the type of language task performed. Verb generation correctly identified Broca’s area in 18 patients (64 percent) and Wernicke’s area in 11 patients (61 percent), sentence completion correctly identified Broca’s area in 18 patients (72 percent) and Wernicke’s area in 9 patients (60 percent), and naming correctly identified Broca’s area in 7 patients (47 percent) and Wernicke’s area in 3 patients (27 percent). Conclusions Results show limited correlation between language LI determined by fMRI and EHI. The main limitation of this study is that language LI is being compared to EHI, rather than gold standard measure of hemispheric dominance (e.g. Wada).
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 ».