Functional and Structural Neuroimaging Correlates of Repetitive Low-Level Blast Exposure in Career Breachers
Notice bibliographique
Résumé
Combat military and civilian law enforcement personnel may be exposed to repetitive low-intensity blast events during training and operations. Persons who use explosives to gain entry (i.e., breach) into buildings are known as "breachers" or dynamic entry personnel. Breachers operate under the guidance of established safety protocols, but despite these precautions, breachers who are exposed to low-level blast throughout their careers frequently report performance deficits and symptoms to healthcare providers. Although little is known about the etiology linking blast exposure to clinical symptoms in humans, animal studies demonstrate network-level changes in brain function, alterations in brain morphology, vascular and inflammatory changes, hearing loss, and even alterations in gene expression after repeated blast exposure. To explore whether similar effects occur in humans, we collected a comprehensive data battery from 20 experienced breachers exposed to blast throughout their careers and 14 military and law enforcement controls. This battery included neuropsychological assessments, blood biomarkers, and magnetic resonance imaging measures, including cortical thickness, diffusion tensor imaging of white matter, functional connectivity, and perfusion. To better understand the relationship between repetitive low-level blast exposure and behavioral and imaging differences in humans, we analyzed the data using similarity-driven multi-view linear reconstruction (SiMLR). SiMLR is specifically designed for multiple modality statistical integration using dimensionality-reduction techniques for studies with high-dimensional, yet sparse, data (i.e., low number of subjects and many data per subject). We identify significant group effects in these data spanning brain structure, function, and blood biomarkers.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».