Interhemispheric connectivity of primary sensory cortex is associated with motor impairment after stroke
Notice bibliographique
Résumé
Neuroimaging-derived markers are used to model post-stroke impairment. Among these, lesion size, corticospinal-tract lesion-load (CST-LL) and resting-state functional-connectivity (rs-FC) have been correlated with impairment. It has been shown that the sensory cortex (S1) is associated with motor learning and is essential for post-stroke recovery; yet stroke-induced changes in S1 connectivity alone are yet to be investigated. We aim to determine whether interhemispheric rs-FC could be used to refine imaging models of stroke-related impairment. Subjects' post-stroke and age-matched controls underwent rs-fMRI. Stroke-related disability was correlated with lesion size, CST-LL and interhemispheric S1 and M1 rs-FC as independent seeds. Regression analyses were performed to assess the contribution of these markers in stroke-related deficits. Post-stroke subjects showed an asymmetrical pattern of rs-FC in which affected hemisphere S1 and M1 were mostly connected with ipsi-lesional regions. Correlations between rs-FC and stroke-severity were found. Adding rs-FC of S1 to the regression model of impairment decreased the variance 31% compared to lesion size only. After a stroke, S1 interhemispheric connectivity is decreased, with S1 only connected with ipsi-lesional regions. This asymmetry correlates with neurological and motor impairment. Furthermore, when combined with lesion anatomical measures, S1 connectivity might be an important marker in explaining stroke outcome.
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 | 0,001 |
| 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 ».