Baseline Functional Connectivity Features of Neural Network Nodes Can Predict Improvement After Sound Therapy Through Adjusted Narrow Band Noise in Tinnitus Patients
Notice bibliographique
Résumé
Previous resting-state functional magnetic resonance imaging (fMRI) studies have shown neural connectivity alterations after the treatment of tinnitus. We aim to study the value of the baseline functional connectivity features of neural network nodes to predict outcomes of sound therapy through adjusted narrow band noise. The fMRI data of 27 untreated tinnitus patients and 27 matched healthy controls were analyzed. We calculated the graph-theoretical metric degree centrality (DC) to characterize the functional connectivity of the neural network nodes. Therapeutic outcomes are determined by the changes in the Tinnitus Handicap Inventory (THI) score after a 12-week intervention. The connectivity of 10 brain nodes in tinnitus patients was significantly increased at baseline. The functional connectivity of right insula, inferior parietal lobule (IPL), bilateral thalami, and left middle temporal gyrus was significantly modified with the sound therapy, and such changes correlated with THI changes in tinnitus patients. Receiver operating characteristic curve analyses revealed that the measurements from the five brain regions were effective at classifying improvement after therapy. After age, gender, and education correction, the adjusted area under the curve (AUC) values for the bilateral thalami were the highest (left, 0.745; right, 0.708). Our study further supported the involvement of the fronto-parietal-cingulate network in tinnitus and found that the connectivity of the thalamus at baseline is an object neuroimaging-based indicator to predict clinical outcome of sound therapy through adjusted narrow band noise.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».