MétaCan
Menu
Retour à la cohorte
Enregistrement W2626590690 · doi:10.1161/str.47.suppl_1.tp460

Abstract TP460: Dominant Imaging Markers for Post Stroke Cognitive Performance in the TABASCO Study

2016· article· en· W2626590690 sur OpenAlexaffabout
Efrat Kliper, Einor Ben Assayag, Dafna Ben Bashat, Eitan Auriel, Shani Shenhar‐Tsarfaty, Ludmila Shopin, Jeremy Molad, Estelle Seyman, Amos D. Korczyn, Natan M. Bornstein

Notice bibliographique

RevueStroke · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensTitan Medical (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)HyperintensityMagnetic resonance imagingMontreal Cognitive AssessmentCohortCognitionInternal medicineNeuroimagingWhite matterCognitive declineCardiologyProspective cohort studyPhysical therapyDementiaCognitive impairmentPsychiatryRadiology

Résumé

récupéré en direct d'OpenAlex

Introduction: Post-stroke patients are at high risk of developing cognitive decline. Previous studies have examined only limited magnetic resonance imaging (MRI) parameters for prediction of cognitive status following stroke Aim: To determine radiological markers associated with different cognitive domains in post-stroke patients. Materials and Methods: Patients from the TABASCO (Tel-Aviv Brain Acute Stroke Cohort), a prospective cohort of first-ever mild-moderate ischemic stroke patients, were Included (N=141). All patients underwent a 3T MRI and were cognitively assessed at admission and 2 later. Multiple regression models were used to assess which of the imaging measures best associated with cognitive scores 2 years after the index event. Results: After controlling for both age and education, the comparisons between cognitively intact and impaired patients revealed significant differences between the two groups in relative CSF volume, white matter lesion (WML) load and white matter microstructural integrity, reflected as mean diffusivity (MD), radial diffusivity (Dr) and axial diffusivity (Da) values ( p’s <0.05). Multiple regression analyses demonstrated the significant role of hippocampi MD to serve as a common predictor for all three cognitive scores. Relative WML load significantly contributed to the global score and executive function. Discussion: Our results highlight the role of hippocampal MD and WML load as markers for cognitive performances. We suggest that these imaging markers best demonstrated "brain intergrity"

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)0,002
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 enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,293
Écart entre enseignants0,283 · 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207