Prognostic value of brain abnormalities for cognitive functioning in cerebral palsy: A prospective cohort study
Notice bibliographique
Résumé
INTRODUCTION: Brain abnormalities in cerebral palsy (CP) are known to relate to motor outcome; however, their association with cognitive functioning is less clear. AIM OF THE STUDY: 1) To investigate the prognostic value of brain abnormalities for cognitive functioning; 2) To explore the added value of prognostic variables across ICF domains: motor function, epilepsy, gestational age, birthweight and educational level of the parents. METHODS: We retrospectively analyzed brain MRI scans of 75 children with CP (GMFCS level I-V, 36% born preterm), as part of a longitudinal study. MRI classification: qualitative classification of brain abnormality pattern and semi-quantitative grading of the extent of damage. Cognitive functioning, measured as non-verbal intelligent quotient (IQ), was dichotomized into 'impaired cognition' (IQ ≤ 70) and 'normal' (IQ > 70). Multivariable logistic regression produced odds ratios (OR) with 95% confidence interval (C.I.) of risk factors for impaired cognition. RESULTS: Overall, 27% of the tested participants had a non-verbal IQ below 70 and 36% of the participants was classified as 'having impaired cognition'. At a young age, a higher degree of white matter damage (OR 1.6, 95% C.I. 0.97-2.67) and a more severe GMFCS level (OR 3.2, 95% C.I. 1.70-5.98) are risk factors for impaired cognition at school-age (4-7 years of age). This model correctly predicts 89% of the cases. Brain damage alone predicts the presence of impaired cognition in 71% of the cases. INTERPRETATION: Brain MRI characteristics and GMFCS level at a young age can each help identify children with CP at risk for impaired cognition at school age and together have a strong predictive value.
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 | 0,002 | 0,002 |
| 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 ».