MétaCan
Menu
Retour à la cohorte
Enregistrement W2605884509 · doi:10.1172/jci.insight.92641

Topological length of white matter connections predicts their rate of atrophy in premanifest Huntington’s disease

2017· article· en· W2605884509 sur OpenAlexaff
Peter McColgan, Kiran Seunarine, Sarah Gregory, Adeel Razi, Marina Papoutsi, Jeffrey D. Long, James A. Mills, Eileanoir B. Johnson, Alexandra Dürr, Raymund A.C. Roos, Blair R. Leavitt, Julie C. Stout, Rachael I. Scahill, Chris A. Clark, Geraint Rees, Sarah J. Tabrizi, the Track-On HD Investigators

Notice bibliographique

RevueJCI Insight · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesMedical Research CouncilCHDI FoundationUniversity College LondonWellcome TrustUniversity College London Hospitals NHS Foundation TrustNational Institute for Health and Care Research
Mots-clésWhite matterCorpus callosumAtrophyNeuroscienceNeurodegenerationHuntington's diseaseTractographyStriatumDiseaseBiologyPsychologyMedicinePathologyMagnetic resonance imagingDopamine

Résumé

récupéré en direct d'OpenAlex

We lack a mechanistic explanation for the stereotyped pattern of white matter loss seen in Huntington's disease (HD). While the earliest white matter changes are seen around the striatum, within the corpus callosum, and in the posterior white matter tracts, the order in which these changes occur and why these white matter connections are specifically vulnerable is unclear. Here, we use diffusion tractography in a longitudinal cohort of individuals yet to develop clinical symptoms of HD to identify a hierarchy of vulnerability, where the topological length of white matter connections between a brain area and its neighbors predicts the rate of atrophy over 24 months. This demonstrates a new principle underlying neurodegeneration in HD, whereby brain connections with the greatest topological length are the first to suffer damage that can account for the stereotyped pattern of white matter loss observed in premanifest HD.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,039
Tête enseignante GPT0,270
Écart entre enseignants0,231 · 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

Citations46
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCI InsightMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207