Diffusion Tensor Imaging Reveals White Matter Differences in Military Personnel Exposed to Trauma with and without Post-traumatic Stress Disorder
Notice bibliographique
Résumé
BACKGROUND: Post-traumatic stress disorder (PTSD) is a debilitating mental health condition that develops in response to exposure to a traumatic event. The purpose of this study was to investigate white matter differences using diffusion tensor imaging (DTI) in trauma exposed military personnel with and without PTSD. METHODS: Data were acquired in compliance with the Hospital for Sick Children and Canadian Armed Forces Research Ethics Boards for the following groups: military personnel with PTSD (PTSD, n = 23), trauma exposed military personnel with no PTSD diagnosis (TE, n = 25) and civilian controls (CC, n =13) . All participants were male. DTI was acquired on a Siemens Trio 3T MRI. Maps of Fractional Anisotropy (FA), Mean Diffusivity (MD), Axial Diffusivity (AD), and Radial Diffusivity (RD) were analyzed using Tract-Based Spatial Statistics (TBSS). RESULTS: In the PTSD and TE groups, FA was significantly greater within the hippocampus, corpus callosum, cingulum, and several associated white matter tracts. Elevated FA was shown to be largely due to reduced RD suggesting a possible structural substrate that underscores neurophysiological connectivity. CONCLUSIONS: This study reinforces previous findings showing differences in DTI metrics within the limbic system in military personnel exposed to trauma with and without PTSD.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».