Cortico‐striato‐thalamo‐cerebellar networks of structural covariance underlying different epilepsy syndromes associated with generalized tonic–clonic seizures
Notice bibliographique
Résumé
Generalized tonic-clonic seizures (GTCS) are the severest and most remarkable clinical expressions of human epilepsy. Cortical, subcortical, and cerebellar structures, organized with different network patterns, underlying the pathophysiological substrates of genetic associated epilepsy with GTCS (GE-GTCS) and focal epilepsy associated with focal to bilateral tonic-clonic seizure (FE-FBTS). Structural covariance analysis can delineate the features of epilepsy network related with long-term effects from seizure. Morphometric MRI data of 111 patients with GE-GTCS, 111 patients with FE-FBTS and 111 healthy controls were studied. Cortico-striato-thalao-cerebellar networks of structural covariance within the gray matter were constructed using a Winner-take-all strategy with five cortical parcellations. Comparisons of structural covariance networks were conducted using permutation tests, and module effects of disease duration on networks were conducted using GLM model. Both patient groups showed increased connectivity of structural covariance relative to controls, mainly within the striatum and thalamus, and mostly correlated with the frontal, motor, and somatosensory cortices. Connectivity changes increased as a function of epilepsy durations. FE-FBTS showed more intensive and extensive gray matter changes with volumetric loss and connectivity increment than GE-GTCS. Our findings implicated cortico-striato-thalamo-cerebellar network changes at a large temporal scale in GTCS, with FE-FBTS showing more severe network disruption. The study contributed novel imaging evidence for understanding the different epilepsy syndromes associated with generalized seizures.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».