MétaCan
Menu
Retour à la cohorte
Enregistrement W2806756712 · doi:10.1016/j.nicl.2018.06.010

Disrupted functional network integrity and flexibility after stroke: Relation to motor impairments

2018· article· en· W2806756712 sur OpenAlexafffund
Sara Larivière, Nick Ward, Marie‐Hélène Boudrias

Notice bibliographique

RevueNeuroImage Clinical · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensCentre for Interdisciplinary Research in RehabilitationMontreal Neurological Institute and HospitalMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchMobile Housing BoardWellcome Trust
Mots-clésPrecuneusPremotor cortexDefault mode networkNeuroscienceSupplementary motor areaPsychologyStroke (engine)Physical medicine and rehabilitationTask-positive networkPosterior cingulateCognitionPrimary motor cortexMotor controlPrefrontal cortexMotor cortexFunctional magnetic resonance imagingMedicineDorsum

Résumé

récupéré en direct d'OpenAlex

Previous studies investigating brain activation present during upper limb movement after stroke have greatly detailed activity alterations in the ipsi- and contralesional primary motor cortices (M1). Despite considerable interest in M1, investigations into the integration and coordination of large-scale functional networks subserving motor, sensory, and cognitive control after stroke remain scarce. The purpose of this study was to assess non-static functional connectivity within whole-brain networks involved in the production of isometric, visually-paced hand grips. Seventeen stroke patients and 24 healthy controls underwent functional MRI while performing a series of 50 isometric hand grips with their affected hand (stroke patients) or dominant hand (control subjects). We used task-based multivariate functional connectivity to derive spatial and temporal information of whole-brain networks specifically underlying hand movement. This technique has the advantage of extracting within-network commonalities across groups and identifying connectivity differences between these groups. We further used a nonparametric statistical approach to identify group differences in regional activity within these task-specific networks and assess whether such alterations were related to the degree of motor impairment in stroke patients. Our whole-brain multivariate analysis revealed group differences in two networks: (1) a motor network, including pre- and postcentral gyri, dorsal and ventral premotor cortices, as well as supplementary motor area, in which stroke patients showed reduced task-related activation compared to controls, and (2) a default-mode network (DMN), including the posterior cingulate cortex, precuneus, and medial prefrontal cortex, in which patients showed less deactivation than controls. Within-network group differences revealed decreased activity in ipsilesional primary sensorimotor cortex in stroke patients, which also positively correlated with lower levels of motor impairment. Moreover, the temporal information extracted from the functional networks revealed that stroke patients did not show a reciprocal DMN deactivation peak following activation of their motor network. This finding suggests that allocation of functional resources to motor areas during hand movement may impair their ability to efficiently switch from one network to another. Taken together, our study expands our understanding of functional reorganization during motor recovery after a stroke, and suggests that modulation of ipsilesional sensorimotor activity may increase the integrity of a whole-brain motor network, contribute to better motor performance, and optimize network flexibility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,032
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,378
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroImage ClinicalMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207