Baseline vs. cross-sectional MRI of concussion: distinct brain patterns in white matter and cerebral blood flow
Notice bibliographique
Résumé
Neuroimaging has been used to describe the pathophysiology of sport-related concussion during early injury, with effects that may persist beyond medical clearance to return-to-play (RTP). However, studies are typically cross-sectional, comparing groups of concussed and uninjured athletes. It is important to determine whether these findings are consistent with longitudinal change at the individual level, relative to their own pre-injury baseline. A cohort of N = 123 university-level athletes were scanned with magnetic resonance imaging (MRI). Of this group, N = 12 acquired a concussion and were re-scanned at early symptomatic injury and at RTP. A sub-group of N = 44 uninjured athletes were also re-imaged, providing a normative reference group. Among concussed athletes, abnormalities were identified for white matter fractional anisotropy and mean diffusivity, along with grey matter cerebral blood flow, using both cross-sectional (CS) and longitudinal (LNG) approaches. The spatial patterns of abnormality for CS and LNG were distinct, with median fractional overlap below 0.10 and significant differences in the percentage of abnormal voxels. However, the analysis methods did not differ in the amount of change from symptomatic injury to RTP and in the direction of observed abnormalities. These results highlight the impact of using pre-injury baseline data when evaluating concussion-related brain abnormalities at the individual level.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».