Brain tissue pulsatility is related to clinical features of Parkinson's disease
Notice bibliographique
Résumé
Introduction This study investigated whether brain tissue pulsatility is associated with features of disease severity in Parkinson's disease (PD). Methods Data were extracted from the Parkinson's Progression Markers Initiative among 81 adults with PD (confirmed with DATSCAN™). Brain tissue pulsatility was computed using resting state blood oxygenation level dependent (BOLD) MRI in white matter (WM), referred to as BOLD TP . Motor impairment was assessed using the Movement Disorders Society unified Parkinson's disease rating scale. Factor analysis generated composite scores for cognition and vascular risk burden. A linear regression model examined the association of BOLD TP with age, sex, motor impairment, cognition, vascular risk burden and PD duration. In addition, we investigated whether BOLD TP relates to WM hyperintensity (WMH) volume, WM fractional anisotropy (WM-FA) and striatal binding ratio (SBR) of dopamine transporter. Results Motor impairment ( t = 2.3, p = .02), vascular burden ( t = 2.4, p = .02) and male sex ( t = 3.0, p = .003) were independently associated with BOLD TP (r 2 = 0.40, p < .001). BOLD TP was correlated with WMH volume ( r = 0.22, p = .05) but not WM-FA nor SBR ( p > .1). In addition, BOLD TP ( t = 2.76, p = .008) and SBR ( t = −2.04, p = .04) were independently related to motor impairment (r 2 = 0.18, p = .006). Conclusion Our findings show that brain tissue pulsatility from BOLD images in WM is related to neurological and vascular features in PD. BOLD TP may be useful in PD to study small vessel alterations that appear distinct from WM structural changes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».