Interregional causal influences of brain metabolic activity reveal the spread of aging effects during normal aging
Notice bibliographique
Résumé
During healthy brain aging, different brain regions show anatomical or functional declines at different rates, and some regions may show compensatory increases in functional activity. However, few studies have explored interregional influences of brain activity during the aging process. We proposed a causality analysis framework combining high dimensionality independent component analysis (ICA), Granger causality, and least absolute shrinkage and selection operator regression on longitudinal brain metabolic activity data measured by Fludeoxyglucose positron emission tomography (FDG-PET). We analyzed FDG-PET images from healthy old subjects, who were scanned for at least five sessions with an averaged intersession interval of 1 year. The longitudinal data were concatenated across subjects to form a time series, and the first-order autoregressive model was used to measure interregional causality among the independent sources of metabolic activity identified using ICA. Several independent sources with reduced metabolic activity in aging, including the anterior temporal lobe and orbital frontal cortex, demonstrated causal influences over many widespread brain regions. On the other hand, the influenced regions were more distributed, and had smaller age-related declines or even relatively increased metabolic activity. The current data demonstrated interregional spreads of aging on metabolic activity at the scale of a year, and have identified key brain regions in the aging process that have strong influences over other regions.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».