Comparison of structural connectivity in Parkinson's disease with depressive symptoms versus non-depressed: a diffusion MRI connectometry study
Notice bibliographique
Résumé
ABSTRACTObjective:Research on psychobiological markers of Parkinson's disease (PD) remains a hot topic. Non-motor symptoms such as depression and REM sleep behavior disorder (RBD) each attribute to a particular neurodegenerative cluster in PD, and might enlighten the way for early prediction/detection of PD. The neuropathology of mood disturbances remains unclear. In fact, a few studies have investigated depression using diffusion magnetic resonance imaging (diffusion MRI). METHOD: Diffusion MRI of PD patients without comorbid RBD was used to assess whether microstructural abnormalities are detectable in the brain of 40 PD patients with depression compared to 19 patients without depression. Diffusion MRI connectometry was used to carry out group analysis between age- and gender-matched PD patients with and without depressive symptoms. Diffusion MRI connectometry is based on spin distribution function, which quantifies the density of diffusing water and is a sensitive and specific analytical method to psychological differences between groups. RESULTS: A significant difference (FDR = 0.016129) was observed in the left and right uncinate fasciculi, left and right inferior longitudinal fasciculi, left and right fornices, left inferior fronto-occipital fasciculus, right corticospinal tract, genu of corpus callosum, and middle cerebellar peduncle. CONCLUSION: These results suggest the prominent circuits involved in emotion recognition, particularly negative emotions, might be impaired in comorbid depressive symptoms in PD.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».