Abstract P56: Diffusion Tensor Imaging at the Time of Stroke is Associated With Cognitive Performance 4 Months Later
Notice bibliographique
Résumé
Introduction: Cognitive impairment after stroke is associated with stroke severity and baseline brain health. We hypothesized that acute diffusion tensor imaging (DTI) metrics would identify patients at risk for post-stroke cognitive impairment. Methods: Patients were enrolled prospectively in an observational study that involves serial MRI and cognitive testing in patients with recent stroke and moderate white matter disease on MRI but without dementia. DTI was performed at the time of stroke; cognitive testing with the MOCA and the Telephone Interview for Cognitive Status (TICS) were performed 3 months later. DTI was used to calculate Peak Skeletonized Mean Diffusivity (PSMD), a measure of global white matter microstructural integrity previously validated in cerebral small vessel disease. Fractional anisotropy maps were skeletonized (figure panel A) and a histogram of the corresponding MD values was used to calculate the peak width in the non-stroke hemisphere (panel B). Linear regression was used to test whether acute PSMD in the non-stroke hemisphere, acute stroke volume, or baseline NIHSS predicted cognitive performance 3 months later. Results: Fourteen patients followed-up at a median of 123 days. Patients had a median age of 73 years, mean baseline NIHSS of 1.2 (IQR 0-1.75), mean infarct volume of 4cc (range 0-16cc), mean MOCA of 25 (range 19-30), mean TICS of 33 (range 23-41), and 50% were women. Using multivariable linear regression, only acute PSMD predicted follow-up MOCA (std beta= -0.64, adj R 2 = 0.37, p= 0.013) while compared to baseline NIHSS, PSMD showed a stronger association with follow-up TICS score (std beta= -0.57 vs -0.44, p= 0.017; model adj R 2 = 0.476, p= 0.011)(Panel C). Conclusions: In this cohort of patients with small strokes we found that acute contralateral PSMD provided a measure of brain health that appears to predict cognitive performance at 3 months better than stroke size or severity. These are preliminary findings from an ongoing study.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».