Brain Functional Magnetic Resonance Imaging Highlights Altered Connections and Functional Networks in Patients With Hypertension
Notice bibliographique
Résumé
Hypertension is one of the main risk factors for vascular dementia and Alzheimer disease. To predict the onset of these diseases, it is necessary to develop tools to detect the early effects of vascular risk factors on the brain. Resting-state functional magnetic resonance imaging can investigate how the brain modulates its resting activity and analyze how hypertension impacts cerebral function. Here, we used resting-state functional magnetic resonance imaging to explore brain functional-hemodynamic coupling across different regions and their connectivity in patients with hypertension, as compared to subjects with normotension. In addition, we leveraged multimodal imaging to identify the signature of hypertension injury on the brain. Our study included 37 subjects (18 normotensives and 19 hypertensives), characterized by microstructural integrity by diffusion tensor imaging and cognitive profile, who were subjected to resting-state functional magnetic resonance imaging analysis. We mapped brain functional connectivity networks and evaluated the connectivity differences among regions, identifying the altered connections in patients with hypertension compared with subjects with normotension in the (1) dorsal attention network and sensorimotor network; (2) dorsal attention network and visual network; (3) dorsal attention network and frontoparietal network. Then we tested how diffusion tensor imaging fractional anisotropy of superior longitudinal fasciculus correlates with the connections between dorsal attention network and default mode network and Montreal Cognitive Assessment scores with a widespread network of functional connections. Finally, based on our correlation analysis, we applied a feature selection to highlight those most relevant to describing brain injury in patients with hypertension. Our multimodal imaging data showed that hypertensive brains present a network of functional connectivity alterations that correlate with cognitive dysfunction and microstructural integrity. Registration- URL: https://www.clinicaltrials.gov; Unique identifier: NCT02310217.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 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 ».