Connectomic markers of symptom severity in sport-related concussion: Whole-brain analysis of resting-state fMRI
Notice bibliographique
Résumé
Concussion is associated with significant adverse effects within the first week post-injury, including physical complaints and altered cognition, sleep and mood. It is currently unknown whether these subjective disturbances have reliable functional brain correlates. Resting-state functional magnetic resonance imaging (rs-fMRI) has been used to measure functional connectivity of individuals after traumatic brain injury, but less is known about the relationship between functional connectivity and symptom assessments after a sport concussion. In this study, rs-fMRI was used to evaluate whole-brain functional connectivity for seventy (70) university-level athletes, including 35 with acute concussion and 35 healthy matched controls. Univariate analyses showed that greater symptom severity was mainly associated with lower pairwise connectivity in frontal, temporal and insular regions, along with higher connectivity in a sparser set of cerebellar regions. A novel multivariate approach also extracted two components that showed reliable covariation with symptom severity: (1) a network of frontal, temporal and insular regions where connectivity was negatively correlated with symptom severity (replicating the univariate findings); and (2) a network with anti-correlated elements of the default-mode network and sensorimotor system, where connectivity was positively correlated with symptom severity. These findings support the presence of connectomic signatures of symptom complaints following a sport-related concussion, including both increased and decreased functional connectivity within distinct functional brain networks.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».