Characterizing changes in network connectivity following chronic head trauma in special forces military personnel: a combined resting-fMRI and DTI study
Notice bibliographique
Résumé
BACKGROUND: Soldiers are exposed to significant repetitive head trauma, which may disrupt functional and structural brain connectivity patterns. PURPOSE/HYPOTHESIS: Integrate resting-state functional MRI (rs-fMRI) and diffusion tensor imaging (DTI) to characterize changes in connectivity biomarkers within Canadian Special Operations Forces (CANSOF), hypothesizing that alterations in architectural organization of cortical hubs may follow chronic repetitive head trauma. METHODS: Fifteen CANSOFs with a history of chronic exposure to sub-concussive head trauma and concussive injuries (1.9 ± 2.0 concussions (range: [0-6])), as well as an equal age-matched cohort of controls (CTLs) were recruited. BOLD-based rs-fMRI was combined with DTI to reconstruct functional and structural networks using independent component analyses and probabilistic tractography. Connectivity markers were computed based on the distance between functional seeds to assess for possible differences in injury susceptibility of short- and long-range connections. RESULTS/DISCUSSION: Significant hyper- and hypo-connectivity differences in cortical connections were observed suggesting that chronic head trauma may predispose soldiers to changes in the functional organization of brain networks. Significant structural alterations in axonal fibers directly connecting disrupted functional nodes were specific to hyper-connected long-range connections, suggesting a potential relationship between axonal injury and increases in neural recruitment following repetitive head trauma from high-exposure military duties.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».