Cognitive Profiles and Hub Vulnerability in Parkinson's Disease
Notice bibliographique
Résumé
The clinicopathological correlations between aspects of cognition, disease severity and imaging in Parkinson's Disease (PD) have been unclear. We studied cognitive profiles, demographics, and functional connectivity patterns derived from resting-state fMRI data (rsFC) in 31 PD subjects from the Parkinson's Progression Markers Initiative (PPMI) database. We also examined rsFC from 19 healthy subjects (HS) from the Pacific Parkinson's Research Centre. Graph theoretical measures were used to summarize the rsFC patterns. Canonical correlation analysis (CCA) was used to relate separate cognitive profiles in PD that were associated with disease severity and demographic measures as well as rsFC network measures. The CCA model relating cognition to demographics suggested female gender and education supported cognitive function in PD, age and depression scores were anti-correlated with overall cognition, and UPDRS had little influence on cognition. Alone, rsFC global network measures did not significantly differ between PD and controls, yet some nodal network measures, such as network segregation, were distinguishable between PD and HS in cortical "hub" regions. The CCA model relating cognition to rsFC global network values, which was not related to the other CCA model relating cognition to demographic information, suggested modularity, rich club coefficient, and transitivity was also broadly related to cognition in PD. Our results suggest that education, aging, comorbidity, and gender impact cognition more than overall disease severity in PD. Cortical "hub" regions are vulnerable in PD, and impairments of processing speed, attention, scanning abilities, and executive skills are related to enhanced functional segregation seen 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 | 0,012 |
| 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 | 0,001 |
| 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 ».