Impact of Global Mean Normalization on Regional Glucose Metabolism in the Human Brain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Because the human brain consumes a disproportionate fraction of the resting body’s energy, positron emission tomography (PET) measurements of absolute glucose metabolism (CMR glc ) can serve as disease biomarkers. Global mean normalization (GMN) of PET data reveals disease-based differences from healthy individuals as fractional changes across regions relative to a global mean. To assess the impact of GMN applied to metabolic data, we compared CMR glc with and without GMN in healthy awake volunteers with eyes closed (i.e., control) against specific physiological/clinical states, including healthy/awake with eyes open, healthy/awake but congenitally blind, healthy/sedated with anesthetics, and patients with disorders of consciousness. Without GMN, global CMR glc alterations compared to control were detected in all conditions except in congenitally blind where regional CMR glc variations were detected in the visual cortex. However, GMN introduced regional and bidirectional CMR glc changes at smaller fractions of the quantitative delocalized changes. While global information was lost with GMN, the quantitative approach (i.e., a validated method for quantitative baseline metabolic activity without GMN) not only preserved global CMR glc alterations induced by opening eyes, sedation, and varying consciousness but also detected regional CMR glc variations in the congenitally blind. These results caution the use of GMN upon PET-measured CMR glc data in health and disease.
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.
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 | 0,000 |
| 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 | 0,000 |
| 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 découle