A Promising Subject-Level Classification Model for Acute Concussion Based on Cerebrovascular Reactivity Metrics
Notice bibliographique
Résumé
Concussion imaging research has primarily focused on neuronal disruption with lesser emphasis directed toward vascular dysfunction. However, blood flow metrics may be more sensitive than measures of neuronal integrity. Vascular dysfunction can be assessed by measuring cerebrovascular reactivity (CVR)—the change in cerebral blood flow per unit change in vasodilatory stimulus. CVR metrics, including speed and magnitude of flow responses to a standardized well-controlled vasoactive stimulus, are potentially useful for assessing individual subjects following concussion given that blood flow dysregulation is known to occur with traumatic brain injury. We assessed changes in CVR metrics to a standardized vasodilatory stimulus during the acute phase of concussion. Using a case control design, 20 concussed participants and 20 healthy controls (HCs) underwent CVR assessment measuring blood oxygen–level dependent (BOLD) magnetic resonance imaging using precise changes in end-tidal partial pressure of CO 2 (PETCO 2 ). Metrics were calculated for the whole brain, gray matter (GM), and white matter (WM) using sex-stratification. A leave-one-out receiver operating characteristic (ROC) analysis classified concussed from HCs based on CVR metrics. CVR magnitude was greater and speed of response faster in concussed participants relative to HCs, with WM showing higher classification accuracy compared with GM. ROC analysis for WM-CVR metrics revealed an area under the curve of 0.94 in males and 0.90 in females for speed and magnitude of response respectively. These greater than normal responses to a vasodilatory stimulus warrant further investigation to compare the predictive ability of CVR metrics against structural injury metrics for diagnosis and prognosis in acute concussion.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».