Resting CMRO2 fluctuations show persistent network hyper-connectivity following exposure to sub-concussive collisions
Notice bibliographique
Résumé
Exposure to head impacts may alter brain connectivity within cortical hubs such as the default-mode network (DMN). However, studies have yet to consider the confounding effects of altered resting cerebral blood flow (CBF0) and cerebrovascular reactivity (CVR) on changes in connectivity following sub-concussive impacts. Here, 23 Canadian collegiate football players were followed during a season using calibrated resting-state MRI and helmet accelerometers to examine the interplay between the neural and vascular factors that determine functional connectivity (FC). Connectivity-based analyses using blood oxygen level dependent (BOLD) and cerebral metabolic rate of oxygen consumption (CMRO2) mapping were used to study the DMN longitudinally. Network-specific decreases in CBF0 were observed one month following the season, while impaired CVR was documented at both mid-season and one month following the season, compared to pre-season baseline. Alterations in CBF0 and BOLD-based CVR throughout the season suggest that neurophysiological markers may show different susceptibility timelines following head impacts. DMN connectivity was increased throughout the season, independent of changes in cerebrovascular physiology, suggesting that alterations in FC following sub-concussive impacts are robust and independent of changes in brain hemodynamics. No significant correlations between impact kinematics and DMN connectivity changes were documented in this study. Altogether, these findings create a strong paradigm for future studies to examine the underlying neural and vascular mechanisms associated with increases in network connectivity following repeated exposure to sub-concussive collisions, in an effort to improve management of head impacts in contact sports.
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 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».