Data fusion detects consistent relations between non-lesional white matter myelin, executive function, and clinical characteristics in multiple sclerosis
Notice bibliographique
Résumé
We examined the influence of dysfunctional, non-lesional white matter on cognitive performance in multiple sclerosis (MS). Forty-six MS subjects were assessed using MRI-based myelin water imaging (MWI), and average myelin water fraction (MWF) values across 20 white matter regions of interest (ROIs) were determined. A data-fusion method, multiset canonical correlation analysis (MCCA), was used to investigate the multivariate, deterministic joint relations between MWF, executive function, and demographic and clinical characteristics. MCCA revealed one significant component (p = 0.009) which consisted of three linked profiles, with a pairwise correlation between the MWF and cognitive profiles of r = 0.37, a correlation between MWF and demographics profiles of r = 0.31, and between cognitive and demographics profiles r = 0.64. White matter ROIs representing long-range intra-hemispheric tracts and ROIs connecting the two hemispheres were positively related through their individual profiles to overall cognitive performance, education and female gender, while age, EDSS, and disease duration were related negatively. Surprisingly, lesions within the ROIs had a negligible effect on overall relations between imaging, cognitive, and demographic variables. These findings indicate that there is a strong association between a pattern of MWF values and cognitive performance in MS, which is modulated by age, education, and disease severity. Moreover, this consistent relation involves multiple white matter regions and is separate from the influence of lesions. • White matter myelination, cognitive performance, and demographic and clinical variables are all consistently linked in MS. • Multivariate approach links imaging, cognitive, and clinical features in joint analysis. • Education promotes cognitive performance and myelin content. • Age and disease severity are negatively associated with myelination and cognitive performance. • Demyelination in lesions had minimal impact on overall relation between imaging, cognitive, and demographic characteristic.
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 | 0,003 | 0,008 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».