Education, and the balance between dynamic and stationary functional connectivity jointly support executive functions in relapsing–remitting multiple sclerosis
Notice bibliographique
Résumé
Graphical network characteristics and nonstationary functional connectivity features, both derived from resting-state functional magnetic resonance imaging (rsfMRI) data, have been associated with cognitive performance in healthy subjects. How these features jointly relate to cognition in diseased states has not been investigated. In this study, 46 relapsing-remitting multiple sclerosis subjects underwent rsfMRI scans and a focused cognitive battery. With a sliding window approach, we examined six dynamic network features that indicated how connectivity changed over time as well as six measures derived from graph theory to reflect static network characteristics. Multiset canonical correlation analysis (MCCA) was then carried out to investigate the relations between dynamic network features, stationary network characteristics, cognitive testing, demographic, disease severity, and mood. Multiple sclerosis (MS) subjects demonstrated weaker connectivity strength, decreased network density, reduced global changes, but increased changes in interhemispheric connectivity compared to controls. The MCCA model determined that executive functions and processing speed ability measured by Wechsler Adult Intelligence Scale IV (WAIS-IV) Working Memory Index, WAIS-IV Processing Speed Index, and the Verbal Fluency Test were positively correlated with education, dynamic connectivity, and static connectivity strength; while poor task switching was correlated with disease severity, psychiatric comorbidities such as depression, anxiety, and fatigue, and static network density. Taken together, our results suggest that better executive functioning in MS requires maintenance of a continued coordination between stationary and dynamic functional connectivity as well as the support of education, and dynamic functional connectivity may provide an additional cognitive biomarker of disease severity in the MS population.
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 | 0,000 | 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) | 0,001 | 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 ».