MétaCan
Menu
Retour à la cohorte
Enregistrement W3119630662 · doi:10.3389/fneur.2020.617827

Abnormal Brain Network Topology During Non–rapid Eye Movement Sleep and Its Correlation With Cognitive Behavioral Abnormalities in Narcolepsy Type 1

2021· article· en· W3119630662 sur OpenAlexaboutno aff
Xiaoyu Zhu, Kunlin Ni, Huiwen Tan, Yishu Liu, Zeng Yin, Bing Yu, Qiyong Guo, Xiao Li

Notice bibliographique

RevueFrontiers in Neurology · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueSleep and Wakefulness Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMontreal Cognitive AssessmentPolysomnographyNarcolepsyElectroencephalographyEpworth Sleepiness ScaleNon-rapid eye movement sleepEye movementPsychologyCognitionAudiologyFunctional magnetic resonance imagingSleep StagesRapid eye movement sleepNeurologyMedicineNeuroscienceCognitive impairment

Résumé

récupéré en direct d'OpenAlex

Objective: Simultaneous electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) were applied to investigate the abnormalities in the topological characteristics of functional brain networks during non-rapid eye movement(NREM)sleep. And we investigated its relationship with cognitive abnormalities in patients with narcolepsy type 1 (NT1) disorder in the current study. Methods: The Beijing version of the Montreal Cognitive Assessment (MoCA-BJ) and EEG-fMRI were applied in 25 patients with NT1 and 25 age-matched healthy controls. All subjects participated in a nocturnal video polysomnography(PSG)study, and total sleep time (TST), percentage of TST (%TST) for each sleep stage and arousal index were calculated. The Epworth Sleepiness Score (ESS) was used to measure the degree of daytime sleepiness. The EEG-fMRI study was performed simultaneously using a 3T MRI system and a 32-channel MRI-compatible EEG system during sleep. Visual scoring of EEG data was used for sleep staging. Cognitive function was assessed for all subjects using the MoCA-BJ. The fMRI data were applied to establish a whole-brain functional connectivity network for all subjects, and the topological characteristics of the whole-brain functional network were analyzed using a graph-theoretic approach. The topological parameters were compared between groups. Lastly, the correlation between topological parameters and the assessment scale using Montreal Cognition was analyzed. Results: The MoCA-BJ scores were lower in patients with NT1 than in normal controls. Whole-brain global efficiency during stage N2 sleep in patients with NT1 displayed significantly lower small-world properties than in normal controls. Whole-brain functional network global efficiency in patients with NT1 was significantly correlated with MoCA-BJ scores. Conclusion: The global efficiency of the functional brain network during stage N2 sleep in patients with NT1 and the correspondingly reduced small-world attributes were associated with cognitive impairment.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,020
Tête enseignante GPT0,279
Écart entre enseignants0,259 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetSleep and Wakefulness ResearchTravaux en français237 207