Metabolites predict lesion formation and severity in relapsing-remitting multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Multiple sclerosis is characterized by white matter lesions, which are visualized with conventional T2-weighted magnetic resonance imaging (MRI). Little is known about local metabolic processes preceding the appearance and during the pathological development of new lesions. OBJECTIVE: To identify metabolite changes preceding white matter (WM) lesions and pathological severity of lesions over time. METHODS: A total of 59 relapsing-remitting multiple sclerosis (MS) patients were scanned four times, with 6-month intervals. Imaging included short-TE magnetic resonance spectroscopic imaging (MRSI) and diffusion tensor imaging (DTI). RESULTS: A total of 16 new lesions appeared within the MRSI slab in 12 patients. Glutamate increased (+1.0 mM (+19%), p = 0.039) 12 and 6 months before new lesions appeared. In these areas, the increase in creatine and choline 6 months before until lesion appearance was negatively correlated with radial diffusivity (ρ = -0.73, p = 0.002 and ρ = -0.72, p = 0.002). Increase in creatine also correlated with the increase of axial diffusivity in the same period (ρ = -0.53, p = 0.034). When splitting the lesions into "mild" and "severe" based on radial diffusivity, only mild lesions showed an increase in creatine and choline during lesion formation ( p = 0.039 and p = 0.008, respectively). CONCLUSION: Increased glutamate heralded the appearance of new T2-visible WM lesions. In pathologically "mild" lesions, an increase in creatine and choline was found during lesion formation.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».