Phenotyping the Preterm Brain: Characterizing Individual Deviations From Normative Volumetric Development in Two Large Infant Cohorts
Notice bibliographique
Résumé
The diverse cerebral consequences of preterm birth create significant challenges for understanding pathogenesis or predicting later outcome. Instead of focusing on describing effects common to the group, comparing individual infants against robust normative data offers a powerful alternative to study brain maturation. Here we used Gaussian process regression to create normative curves characterizing brain volumetric development in 274 term-born infants, modeling for age at scan and sex. We then compared 89 preterm infants scanned at term-equivalent age with these normative charts, relating individual deviations from typical volumetric development to perinatal risk factors and later neurocognitive scores. To test generalizability, we used a second independent dataset comprising of 253 preterm infants scanned using different acquisition parameters and scanner. We describe rapid, nonuniform brain growth during the neonatal period. In both preterm cohorts, cerebral atypicalities were widespread, often multiple, and varied highly between individuals. Deviations from normative development were associated with respiratory support, nutrition, birth weight, and later neurocognition, demonstrating their clinical relevance. Group-level understanding of the preterm brain disguises a large degree of individual differences. We provide a method and normative dataset that offer a more precise characterization of the cerebral consequences of preterm birth by profiling the individual neonatal brain.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».