MétaCan
Menu
Retour à la cohorte
Enregistrement W2602860077 · doi:10.3174/ajnr.a5136

Combined Diffusion Tensor Imaging and Apparent Transverse Relaxation Rate Differentiate Parkinson Disease and Atypical Parkinsonism

2017· article· en· W2602860077 sur OpenAlexfundno aff
Guangwei Du, Mechelle M. Lewis, Sangam Kanekar, Nicholas W. Sterling, Lu He, Lan Kong, Runze Li, Xuemei Huang

Notice bibliographique

RevueAmerican Journal of Neuroradiology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Environmental Health SciencesNational Institute on Drug AbuseNational Natural Science Foundation of ChinaNational Science FoundationWeston Brain InstituteMichael J. Fox Foundation for Parkinson's ResearchPennsylvania Department of HealthNational Center for Research ResourcesNational Institute of Neurological Disorders and StrokeAlzheimer's AssociationNational Institutes of Health
Mots-clésProgressive supranuclear palsyAtrophyParkinsonismMedicineFractional anisotropyDiffusion MRIParkinson's diseasePathologyMagnetic resonance imagingRadiologyDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Both diffusion tensor imaging and the apparent transverse relaxation rate have shown promise in differentiating Parkinson disease from atypical parkinsonism (particularly multiple system atrophy and progressive supranuclear palsy). The objective of the study was to assess the ability of DTI, the apparent transverse relaxation rate, and their combination for differentiating Parkinson disease, multiple system atrophy, progressive supranuclear palsy, and controls. MATERIALS AND METHODS: A total of 106 subjects (36 controls, 35 patients with Parkinson disease, 16 with multiple system atrophy, and 19 with progressive supranuclear palsy) were included. DTI and the apparent transverse relaxation rate measures from the striatal, midbrain, limbic, and cerebellar regions were obtained and compared among groups. The discrimination performance of DTI and the apparent transverse relaxation rate among groups was assessed by using Elastic-Net machine learning and receiver operating characteristic curve analysis. RESULTS: Compared with controls, patients with Parkinson disease showed significant apparent transverse relaxation rate differences in the red nucleus. Compared to those with Parkinson disease, patients with both multiple system atrophy and progressive supranuclear palsy showed more widespread changes, extending from the midbrain to striatal and cerebellar structures. The pattern of changes, however, was different between the 2 groups. For instance, patients with multiple system atrophy showed decreased fractional anisotropy and an increased apparent transverse relaxation rate in the subthalamic nucleus, whereas patients with progressive supranuclear palsy showed an increased mean diffusivity in the hippocampus. Combined, DTI and the apparent transverse relaxation rate were significantly better than DTI or the apparent transverse relaxation rate alone in separating controls from those with Parkinson disease/multiple system atrophy/progressive supranuclear palsy; controls from those with Parkinson disease; those with Parkinson disease from those with multiple system atrophy/progressive supranuclear palsy; and those with Parkinson disease from those with multiple system atrophy; but not those with Parkinson disease from those with progressive supranuclear palsy, or those with multiple system atrophy from those with progressive supranuclear palsy. CONCLUSIONS: DTI and the apparent transverse relaxation rate provide different but complementary information for different parkinsonisms. Combined DTI and apparent transverse relaxation rate may be a superior marker for the differential diagnosis of parkinsonisms.

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)0,003
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
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,262
Écart entre enseignants0,249 · 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

Citations42
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of NeuroradiologyMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207