MétaCan
Menu
Retour à la cohorte
Enregistrement W3031362040 · doi:10.3760/cma.j.issn.1674-6554.2019.03.001

Brain structural network changes in Parkinson's disease with mild cognitive impairment: a diffusion tensor imaging study

2019· article· en· W3031362040 sur OpenAlexaboutno aff
Na Liu, Yi Liu, Deqin Geng, Dianshuai Gao

Notice bibliographique

RevueZhonghua xingwei yixue yu naokexue zazhi · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiffusion MRICognitionParkinson's diseaseCognitive impairmentMontreal Cognitive AssessmentNeurologyPsychologyMedicineInternal medicineAudiologyNeuroscienceDiseaseMagnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

Objective To explore the changes of brain structure network in patients with Parkinson's disease with mild cognitive impairment(PD-MCI), and to provide novel markers for the early recognition of PD-MCI. Methods Total 47 patients with primary PD were continuously enrolled at the Department of Neurology, Affiliated Hospital of Xuzhou Medical University from May 2017 to May 2018.Twenty-four healthy volunteers were selected as the healthy control (HC) group.General demographic data were collected from all subjects. The overall cognitive function and the five cognitive domains (attention and working memory, executive function, language, memory and visual spatial function) were comprehensively evaluated, then the patients with PD were further divided into PD-MCI group(n=22) and PD-NC group(n=25) based on their cognitive evaluation results.All subjects completed the diffusion tensor imaging(DTI) scan and the individual structural brain connection was obtained by deterministic diffusion-tensor tractography.By graph theory analysis technology, the network properties (global properties and node properties) and edge-wise distributions were compared to assess structural connectivity differences among the three groups. Results Compared with the PD-NC and HC groups, the PD-MCI group had a larger characteristic path length(PD-NC: (8.33±0.95), HC: (8.18±1.35), PD-MCI: (9.20±1.52), F=4.14, P<0.05) and reduced global efficiency (PD-NC: (0.13±0.05), HC: (0.13±0.04), PD-MCI: (0.10±0.04), F=3.73, P<0.05) in addition to a lower nodal efficiency in frontoparietal areas, thalamus, cingulate gyrus, and insular(P=0 .003-0.040, FDR correction). Compared with the HC group, the PD-MCI group had a large frontotemporoparietal areas, basal ganglia, and insular network with decreased connection strength (P<0.05, FDR correction). Compared with the PD-NC group, the PD-MCI group had a lower network connection strength in the frontoparietal areas (P<0.05, FDR correction). Conclusion A disruption of structural connections that make up the brain network can lead to changes in information integration and delivery, leading to cognitive dysfunction in patients with PD.The distribution pattern of brain network structure connection changes is expected to become a new marker for identifying PD-MCI. Key words: Parkinson's disease; Mild cognitive impairment; Structural networks; Graph theory; Diffusion tensor image

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,309
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZhonghua xingwei yixue yu naokexue zazhiMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207