Sensory-motor network functional connectivity in children with unilateral cerebral palsy secondary to perinatal stroke
Notice bibliographique
Résumé
BACKGROUND: Perinatal stroke is the most common cause of unilateral cerebral palsy. Mechanisms of post-stroke developmental plasticity in children are poorly understood. To better understand the relationship between functional connectivity and disability, we used resting-state fMRI to compare sensorimotor connectivity with clinical dysfunction. METHODS: School-aged children with periventricular venous infarction (PVI) and unilateral cerebral palsy were compared to controls. Resting-state BOLD signal was acquired on 3 T MRI and analyzed using CONN in SPM12. Functional connectivity was computed between S1, M1, supplementary motor area (SMA), and thalamus of the left/non-lesioned and right/lesioned hemisphere. Primary outcome was connectivity expressed as a Fisher-transformed correlation coefficient. Motor function was measured using the Assisting Hand Assessment (AHA), and Melbourne Assessment (MA). Proprioceptive function was measured using a robotic position matching task (VarXY). RESULTS: Participants included 15 PVI and 21 controls. AHA and MA in stroke patients were negatively correlated with connectivity (increased connectivity = poorer performance). Position sense was inversely correlated with connectivity (increased connectivity = improved performance) between the non-lesioned S1 and thalamus/SMA. In controls, VarXY was positively correlated with connectivity between the thalamus and bilateral sensorimotor regions. CONCLUSIONS: Resting state fMRI measures of sensorimotor connectivity are associated with clinical sensorimotor function in children with unilateral cerebral palsy secondary to PVI. Greater insight into understanding reorganization of brain networks following perinatal stroke may facilitate personalized rehabilitation.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».