Diffusion tensor imaging tractography reveals altered fornix in all diagnostic subtypes of multiple sclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Diffusion tensor imaging (DTI) has shown abnormalities of the fornix and other limbic white matter tracts in multiple sclerosis (MS), mainly focusing on relapsing-remitting MS. METHODS: The goal here was to evaluate the fornix, cingulum, and uncinate fasciculus with DTI tractography at 1.7 mm isotropic resolution in three MS subgroups (11 relapsing-remitting (RRMS), nine secondary progressive (SPMS), eight primary progressive (PPMS)) versus 11 controls, and assess correlations with cognitive and clinical scores. RESULTS: The MS group overall showed extensive diffusion abnormalities of the fornix with less volume, lower fractional anisotropy (FA), and higher mean and radial diffusivities, which were similarly affected in all three MS subgroups. The uncinate fasciculus had lower FA only in the secondary progressive subgroup, and the cingulum had no DTI differences in any MS subgroup. The FA and/or volumes of these tracts correlated negatively with larger total lesion volume. The only DTI-cognitive correlation was lower right cingulum FA and greater depression over the entire MS cohort. CONCLUSIONS: Diffusion tractography identified abnormalities in the fornix that appears to be affected early and consistently across all three primary MS phenotypes of RRMS, SPMS, and PPMS regardless of Expanded Disability Status Scale, time since diagnosis, or cognitive scores.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 découle