Microstructural White Matter Characteristics in Parkinson's Disease With Depression: A Diffusion Tensor Imaging Replication Study
Notice bibliographique
Résumé
Background Clarifying the neuropathology of depression as a symptom of Parkinson's disease (PD) has been the goal of recent neuroimaging studies; however, results have been conflicting and lack replication. The purpose of the current study was to replicate recent methods that have used diffusion tensor imaging (DTI) to compare individuals with PD with and without depression and to extend previous findings to allow for a better understanding of the results. Methods Thirty-seven participants with de novo PD were retrieved from the Parkinson's Progression Marker's Initiative (PPMI) and were separated into a depressed PD group (dPD) or a non-depressed PD group (ndPD). Groups were determined based on scores on the Geriatric Depression Scale Short Form (GDS-15). Initially, a replicated cut off score of ≥ 5 for dPD and <5 for ndPD was applied. To better understand the results, we secondarily applied a more extreme group analysis with ≥ 9 for dPD and 0 for ndPD. White matter integrity between groups was compared between groups using tract-based spatial statistics. Results & Conclusion The current study did not reveal significant differences in white matter microstructure between dPD and ndPD groups at the whole brain level or in specific regions of interest. The extreme group results were consistent. These findings did not replicate previous work that found reduced white matter integrity in limbic prefrontal regions in dPD relative to ndPD. The current study highlights the need for more replications of neuroimaging research.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».