MétaCan
Menu
← Retour à la cohorte
Enregistrement W3137058393 · doi:10.1016/j.neuroimage.2021.117956

Cardiac-induced cerebral pulsatility, brain structure, and cognition in middle and older-aged adults

2021· article· en· W3137058393 sur OpenAlexaboutno aff
Tae Kim, Sang‐Young Kim, Vikas Agarwal, Annie Cohen, Rebecca E. Roush, Yue‐Fang Chang, Yu Cheng, Beth E. Snitz, Theodore J. Huppert, Anto Bagić, M. Ilyas Kamboh, Jack Doman, James T. Becker

Notice bibliographique

RevueNeuroImage · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institutes of Health
Mots-clésVoxelChoroid plexusCognitionPutamenThalamusMiddle frontal gyrusVentricleCardiologyResting state fMRINeuroscienceSuperior frontal gyrusPsychologyEffects of sleep deprivation on cognitive performanceNeuropsychologyMedicineInternal medicineRadiologyCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Changes of cardiac-induced regional pulsatility can be associated with specific regions of brain volumetric changes, and these are related with cognitive alterations. Thus, mapping of cardiac pulsatility over the entire brain can be helpful to assess these relationships. A total of 108 subjects (age: 66.5 ± 8.4 years, 68 females, 52 healthy controls, 11 subjective cognitive decline, 17 impaired without complaints, 19 MCI and 9 AD) participated. The pulsatility map was obtained directly from resting-state functional MRI time-series data at 3T. Regional brain volumes were segmented from anatomical MRI. Multidomain neuropsychological battery was performed to test memory, language, attention and visuospatial construction. The Montreal Cognitive Assessment (MoCA) was also administered. The sparse partial least square (SPLS) method, which is desirable for better interpreting high-dimensional variables, was applied for the relationship between the entire brain voxels of pulsatility and 45 segmented brain volumes. A multiple holdout SPLS framework was used to optimize sparsity for assessing the pulsatility-volume relationship model and to test the reliability by fitting the models to 9 different splits of the data. We found statistically significant associations between subsets of pulsatility voxels and subsets of segmented brain volumes by rejecting the omnibus null hypothesis (any of 9 splits has p < 0.0056 (=0.05/9) with the Bonferroni correction). The pulsatility was positively associated with the lateral ventricle, choroid plexus, inferior lateral ventricle, and 3rd ventricle and negatively associated with hippocampus, ventral DC, and thalamus volumes for the first pulsatility-volume relationship. The pulsatility had an additional negative relationship with the amygdala and brain stem volumes for the second pulsatility-volume relationship. The spatial distribution of correlated pulsatility was observed in major feeding arteries to the brain regions, ventricles, and sagittal sinus. The indirect mediating pathways through the volumetric changes were statistically significant between the pulsatility and multiple cognitive measures (p < 0.01). Thus, the cerebral pulsatility, along with volumetric measurements, could be a potential marker for better understanding of pathophysiology and monitoring disease progression in age-related neurodegenerative disorders.

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 enseignants0,003
Score d'incertitude au seuil0,007

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 Opus0,040
Tête enseignante GPT0,258
Écart entre enseignants0,219 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImage→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→