MétaCan
Menu
← Retour à la cohorte
Enregistrement W3087176492 · doi:10.1101/2020.09.21.306084

Delayed maturation of the structural brain connectome in neonates with congenital heart disease

2020· preprint· en· W3087176492 sur OpenAlexaff
Maria Feldmann, Ting Guo, Steven P. Miller, Walter Knirsch, Raimund Kottke, Cornelia Hagmann, Beatrice Latal, András Jakab

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueCongenital Heart Disease Studies
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesUniversity of California, San FranciscoEuropean Society for Paediatric ResearchSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésConnectomeConnectomicsDiffusion MRIFractional anisotropyWhite matterTractographyMedicinePerioperativeBrain developmentCohortPediatricsCardiologyMagnetic resonance imagingPsychologyInternal medicineNeuroscienceSurgeryFunctional connectivityRadiology

Résumé

récupéré en direct d'OpenAlex

There is emerging evidence for delayed brain development in neonates with congenital heart disease (CHD). We hypothesize that the perioperative development of the structural brain connectome is a proxy to such delays. Therefore, we set out to quantify the alterations and longitudinal pre- to postoperative changes in the connectome in CHD neonates and assess risk factors for disturbed perioperative network development relative to healthy term newborns. In this prospective cohort study, 114 term neonates with CHD underwent cardiac surgery at the University Children’s Hospital Zurich. Forty-six healthy term newborns were included as controls. Pre- and postoperative structural connectomes were derived from mean fractional anisotropy values of fibre pathways traced using diffusion tractography. Graph theory parameters calculated across a range of proportional cost thresholds were compared between groups by multi-threshold permutation correction adjusting for con-founders. Network based statistic was calculated for edgewise network comparison. White matter injury (WMI) volume was quantified on 3D T1-weighted images. Random coefficient mixed models with interaction terms of (i) CHD subtype and (ii) WMI volume with postmenstrual age at MRI respectively were built to assess modifying effects on network development. Pre- and postoperatively, at the global level, efficiency, indicative of network integration, was higher in controls compared to CHD neonates. In contrast, local efficiency and transitivity, indicative of network segregation, were higher in CHD neonates compared to controls (all p<0.025 for one-sided t-tests). Preoperatively these group differences were also found across multiple widespread nodes (all p<0.025, accounting for multiple comparison), whereas postoperatively nodal differences were not evident. At the edge-level, the majority of weaker connections in CHD neonates compared to controls involved interhemispheric connections (66.7% preoperatively; 54.5% postoperatively). A trend showing a more rapid pre- to postoperative decrease in local efficiency was found in class I CHD neonates compared to controls. In CHD neonates, larger WMI volume was associated with lower strength (p=0.0026) and global efficiency (p=0.0097). The maturation of the structural connectome is delayed in neonates with CHD, with a pattern of lower structural integration and higher segregation compared to healthy controls. Trend-level evidence indicated that normalized postoperative cardiac physiology in class I CHD neonates might improve structural network topology. In contrast, the degree of WMI burden negatively impacts network strength and integration. Further research is needed to elucidate how aberrant structural network development in CHD represents neural correlates of later neurodevelopmental impairments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,236
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetCongenital Heart Disease Studies→Travaux en français237 207→