Sensory tractography and robot‐quantified proprioception in hemiparetic children with perinatal stroke
Notice bibliographique
Résumé
Perinatal stroke causes most hemiparetic cerebral palsy, resulting in lifelong disability. We have demonstrated the ability of robots to quantify sensory dysfunction in hemiparetic children but the relationship between such deficits and sensory tract structural connectivity has not been explored. It was aimed to characterize the relationship between the dorsal column medial lemniscus (DCML) pathway connectivity and proprioceptive dysfunction in children with perinatal stroke. Twenty-nine participants (6-19 years old) with MRI-classified, unilateral perinatal ischemic stroke (14 arterial, 15 venous), and upper extremity deficits were recruited from a population-based cohort and compared with 21 healthy controls. Diffusion tensor imaging (DTI) defined DCML tracts and five diffusion properties were quantified: fractional anisotropy (FA), mean, radial, and axial diffusivities (MD, RD, AD), and fiber count. A robotic exoskeleton (KINARM) tested upper limb proprioception in an augmented reality environment. Correlations between robotic measures and sensory tract diffusion parameters were evaluated. Lesioned hemisphere sensory tracts demonstrated lower FA and higher MD, RD, and AD compared with the non-dominant hemisphere of controls. Dominant (contralesional) hemisphere tracts were not different from controls. Both arterial and venous stroke groups demonstrated impairments in proprioception that correlated with lesioned hemisphere DCML tract diffusion properties. Sensory tract connectivity is altered in the lesioned hemisphere of hemiparetic children with perinatal stroke. A correlation between lesioned DCML tract diffusion properties and robotic proprioceptive measures suggests clinical relevance and a possible target for therapeutic intervention. Hum Brain Mapp 38:2424-2440, 2017. © 2017 Wiley Periodicals, Inc.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».