MétaCan
Menu
Retour à la cohorte
Enregistrement W3110986702 · doi:10.1002/alz.045432

Perivascular space dilation in white matter mediates a significant relationship between white matter hyperintensity burden and venous collagenosis

2020· article· en· W3110986702 sur OpenAlexaff
David Lahna, Daniel L. Schwartz, Randy Woltjer, Sandra E. Black, Natalie Roese, Hiroko H. Dodge, Erin L. Boespflug, Julia Keith, Fuqiang Gao, Joel Ramirez, Lisa C. Silbert

Notice bibliographique

RevueAlzheimer s & Dementia · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCerebrospinal fluid and hydrocephalus
Établissements canadiensSunnybrook HospitalUniversity of TorontoHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineHyperintensityPerivascular spacePathologyWhite matterAnatomyMagnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Periventricular T2 MRI white matter hyperintensities (WMH) are commonly observed in older individuals and are associated with cognitive and motor decline. While likely vascular in origin, the specific etiology of WMH remains unknown. Vascular insufficiency due to venous collagenosis has been implicated. Collagenosis may also interfere with perivascular fluid flow leading to dilation of perivascular spaces (PVS). PVS are thus an unexplored potential mediating factor between collagenosis and periventricular WMH. Method Brain tissue from 25 Oregon Alzheimer’s Disease Center subjects was selected based on availability of in vivo 1.5 Tesla MRI (Table 1), which was used to quantify whole brain WMH burden. Three paraffin embedded 6μm thick coronal blocks of tissue per subject from anterior, middle and posterior white matter abutting the ventricle were stained with Masson’s Trichrome and Smooth Muscle Actin (SMA). Slides were scanned and an automated hue based algorithm identified 547 vessels and segmented them into blue collagen vessel walls, lumen holes within them and perivascular spaces outside them (Figure 1). Pearson correlation coefficients were calculated to assess relationships between PVS, periventricular WMH and collagenosis. Coregistered SMA images were used to classify vessels into veins (n=163) and arteries (n=251). Multiple linear regressions accounting for sex, age at death, and MRI to death interval followed by a Sobel test of mediation were calculated to determine the mediating effect of PVS on the relationship between collagenosis and periventricular WMH. Result Periventricular WMH volume, collagenosis and PVS were correlated with each other (p<.001) (Figure 1). In separate regression models, PVS and collagenosis in veins were significant predictors of WMH volume (p=.005, p=.007) but not in arteries (p=.256, p=.244). A Sobel test of the mediating effect of PVS on the relationship between collagenosis in veins and WMH burden was significant (p=.027) and the remaining direct effect of collagenosis on WMH was not significant (p=.21) (Figure 2). Conclusion Perivascular space dilation is an under recognized mechanism which may mediate the relationship between the development of venous collagenosis and periventricular WMH in an aged population.

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)0,004
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 enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,043
Tête enseignante GPT0,250
Écart entre enseignants0,207 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetCerebrospinal fluid and hydrocephalusTravaux en français237 207