Stability of graph theoretical measures in structural brain networks in Alzheimer’s disease
Notice bibliographique
Résumé
Graph analysis has become a popular approach to study structural brain networks in neurodegenerative disorders such as Alzheimer's disease (AD). However, reported results across similar studies are often not consistent. In this paper we investigated the stability of the graph analysis measures clustering, path length, global efficiency and transitivity in a cohort of AD (N = 293) and control subjects (N = 293). More specifically, we studied the effect that group size and composition, choice of neuroanatomical atlas, and choice of cortical measure (thickness or volume) have on binary and weighted network properties and relate them to the magnitude of the differences between groups of AD and control subjects. Our results showed that specific group composition heavily influenced the network properties, particularly for groups with less than 150 subjects. Weighted measures generally required fewer subjects to stabilize and all assessed measures showed robust significant differences, consistent across atlases and cortical measures. However, all these measures were driven by the average correlation strength, which implies a limitation of capturing more complex features in weighted networks. In binary graphs, significant differences were only found in the global efficiency and transitivity measures when using cortical thickness measures to define edges. The findings were consistent across the two atlases, but no differences were found when using cortical volumes. Our findings merits future investigations of weighted brain networks and suggest that cortical thickness measures should be preferred in future AD studies if using binary networks. Further, studying cortical networks in small cohorts should be complemented by analyzing smaller, subsampled groups to reduce the risk that findings are spurious.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| 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 ».