Diverse functional connectivity patterns of resting-state brain networks associated with good and poor hand outcomes following stroke
Notice bibliographique
Résumé
Motor stroke has been characterized by disruptions in multiple large-scale functional brain networks. However, it remains unclear whether stroke patients with good hand outcomes show different connectivity profiles within and between networks from those with poor hand outcomes. In this cross-sectional study, we recruited 52 chronic subcortical stroke patients [illness duration (mean ± SD): 16 ± 16.2 months] and 52 healthy controls from the local hospital and community from June 2010 to August 2016. We first performed independent component analysis (ICA) on resting-state fMRI data to extract fifteen resting-state networks. Then, we compared the functional connectivity within and between networks across 52 healthy controls, 26 patients with a partially paralyzed hand (PPH), and 26 patients with a completely paralyzed hand (CPH). Compared to the patients with a PPH, the patients with a CPH showed increased connectivity in the contralesional sensorimotor cortex within the contralesional sensorimotor network; the increased connectivity was negatively correlated with the performance of the paretic hand. Moreover, the patients with a CPH, compared to those with a PPH, showed decreased strengths of connectivity between the ipsilesional sensorimotor network and both the dorsal sensorimotor network and ventral visual network; the decreased strengths of connectivity were positively correlated with the performance of the paretic hand. Collectively, our findings suggest that stroke patients with different hand outcomes show distinct functional reorganization patterns in large-scale brain networks. These findings shed light on the network-level neuromechanisms that help explain why stroke survivors in the chronic stage show different hand outcomes.
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 | 0,038 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».