Detection and clinical correlation of leukocortical lesions in pediatric-onset multiple sclerosis on multi-contrast MRI
Notice bibliographique
Résumé
OBJECTIVE: To determine the frequency of cortical lesions (CLs) in patients with pediatric-onset multiple sclerosis (POMS) using multi-contrast magnetic resonance imaging (MRI), and the relationship between frontal CL load and upper limb dexterity assessed with the Nine-Hole Peg Test (9-HPT). METHODS: Participants completed the 9-HPT and were imaged on a 3T MRI scanner to collect T1-weighted three-dimensional (3D) magnetization prepared rapid gradient echo (MPRAGE), proton density-weighted, T2-weighted and fluid-attenuated inversion recovery (FLAIR) images. CLs were manually segmented using all MRI contrasts. RESULTS: We enrolled 24 participants with POMS (mean (standard deviation) age at first symptom: 13.3 (±2.7) years; mean age at scan: 18.8 (±3) years; mean disease duration of 5 (±3.2) years). A total of 391 CLs (mean, 16.3 ± 27.2; median, 7) were identified in 19 of 24 POMS patients (79%). The total number of CLs was positively associated with white matter lesion volume ( p = 0.04) but not with thalamic volume, age at the time of the scan, or disease duration. The number of frontal CLs was associated with slower performance on the 9-HPT ( p = 0.05). CONCLUSION: Multi-contrast 3T MRI led to a high rate of CL detection, demonstrating that cortical pathology occurs even in pediatric-onset disease. Frontal lobe CL count was associated with reduced manual dexterity, indicating that these CLs are clinically relevant.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».