Alcohol improves cerebellar learning deficit in myoclonus–dystonia: A clinical and electrophysiological investigation
Notice bibliographique
Résumé
OBJECTIVE: To characterize neurophysiological subcortical abnormalities in myoclonus-dystonia and their modulation by alcohol administration. METHODS: Cerebellar associative learning and basal ganglia-brainstem interaction were investigated in 17 myoclonus-dystonia patients with epsilon-sarcoglycan (SGCE) gene mutation and 21 age- and sex-matched healthy controls by means of classical eyeblink conditioning and blink reflex recovery cycle before and after alcohol intake resulting in a breath alcohol concentration of 0.08% (0.8g/l). The alcohol responsiveness of clinical symptoms was evaluated by 3 blinded raters with a standardized video protocol and clinical rating scales including the Unified Myoclonus Rating Scale and the Burke-Fahn-Marsden Dystonia Rating Scale. RESULTS: Patients showed a significantly reduced number of conditioned eyeblink responses before alcohol administration compared to controls. Whereas the conditioning response rate decreased under alcohol intake in controls, it increased in patients (analysis of variance: alcohol state × group, p = 0.004). Blink reflex recovery cycle before and after alcohol intake did not differ between groups. Myoclonus improved significantly after alcohol intake (p = 0.016). The severity of action myoclonus at baseline correlated negatively with the conditioning response in classical eyeblink conditioning in patients. INTERPRETATION: The combination of findings of reduced baseline acquisition of conditioned eyeblink responses and normal blink reflex recovery cycle in patients who improved significantly with alcohol intake suggests a crucial role of cerebellar networks in the generation of symptoms in these patients. Ann Neurol 2017;82:543-553.
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 | 0,001 |
| 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 ».