Pediatric Brain Development in Down Syndrome: A Field in Its Infancy
Notice bibliographique
Résumé
OBJECTIVES: As surprisingly little is known about the developing brain studied in vivo in youth with Down syndrome (DS), the current review summarizes the small DS pediatric structural neuroimaging literature and begins to contextualize existing research within a developmental framework. METHODS: A systematic review of the literature was completed, effect sizes from published studies were reviewed, and results are presented with respect to the DS cognitive behavioral phenotype and typical brain development. RESULTS: The majority of DS structural neuroimaging studies describe gross differences in brain morphometry and do not use advanced neuroimaging methods to provide nuanced descriptions of the brain. There is evidence for smaller total brain volume (TBV), total gray matter (GM) and white matter, cortical lobar, hippocampal, and cerebellar volumes. When reductions in TBV are accounted for, specific reductions are noted in subregions of the frontal lobe, temporal lobe, cerebellum, and hippocampus. A review of cortical lobar effect sizes reveals mostly large effect sizes from early childhood through adolescence. However, deviance is smaller in adolescence. Despite these smaller effects, frontal GM continues to be largely deviant in adolescence. An examination of age-frontal GM relations using effect sizes from published studies and data from Lee et al. (2016) reveals that while there is a strong inverse relationship between age and frontal GM volume in controls across childhood and adolescence, this is not observed in DS. CONCLUSIONS: Further developmentally focused research, ideally using longitudinal neuroimaging, is needed to elucidate the nature of the DS neuroanatomic phenotype during childhood and adolescence. (JINS, 2018, 24, 966-976).
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».