Abstract TMP48: Subcortical Volumes Associated With Post-Stroke Motor Performance Vary Across Impairment Severity, Time Since Stroke, and Lesion Laterality: an ENIGMA Stroke Recovery Analysis
Notice bibliographique
Résumé
Associations between subcortical gray matter volume and motor performance post-stroke are unclear, partly because many stroke MRI studies are underpowered. Potential influences of the severity of motor impairment, lesion laterality, and time since stroke on these associations is also unknown. Here, we addressed these questions using a large dataset (n=629) from the ENIGMA Stroke Recovery working group (http://enigma.usc.edu). Regression analyses examined brain volumes as predictors of motor scores. ENIGMA FreeSurfer protocols extracted volumes from 16 subcortical regions on T1-weighted MRIs; segmentations were manually quality controlled. Motor scores were calculated as a percentage of the maximum possible score (100% = no impairment). Covariates (e.g., age, sex, intracranial volume) were modeled. Statistical significance was assessed nonparametrically by permutation. Separate analyses were performed, stratifying by motor severity and time since stroke. Each analysis was also subdivided by lesioned hemisphere. The motor severity analysis (Table 1A) used subgroups of mild (66.7-99.9%), moderate (33.3-66.6%), and severe (0-33.2%). Significant associations were found for mild and moderate, but not severe, stroke; only the left hemisphere stroke group showed further significant results. The time since stroke analysis (Table 1B) used subgroups of acute (<1 month), subacute (1-6 months), and chronic (>6 months). Significant associations were found in chronic stroke, but not acute, subacute. Left versus right hemisphere lesions generated different results in chronic stroke. Overall, these results show that the most significant associations between subcortical volumes and motor outcomes are in chronic mild-to-moderate stroke. Stroke subgroups may recover via disparate mechanisms; establishing biomarkers of impairment and disability across stroke subgroups may be useful for clinical trials.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».