Characterizing white matter alterations subject to clinical laterality in drug‐naïve de novo Parkinson's disease
Notice bibliographique
Résumé
Parkinson's disease (PD) is a progressive neurodegenerative disorder that is characterized by a range of motor and nonmotor symptoms, often with the motor dysfunction initiated unilaterally. Knowledge regarding disease-related alterations in white matter pathways can effectively help improve the understanding of the disease and propose targeted treatment strategies. Microstructural imaging techniques, including diffusion tensor imaging (DTI), allows inspection of white matter integrity to study the pathogenesis of various neurological conditions. Previous voxel-based analyses with DTI measures, such as fractional anisotropy and mean diffusivity have uncovered changes in brain regions that are associated with PD, but the conclusions were inconsistent, partially due to small patient cohorts and the lack of consideration for clinical laterality onset, particularly in early PD. Fixel-based analysis (FBA) is a recent framework that offers tract-specific insights regarding white matter health, but very few FBA studies on PD exist. We present a study that reveals strengthened and weakened white matter integrity that is subject to symptom laterality in a large drug-naïve de novo PD cohort using complementary DTI and FBA measures. The findings suggest that the disease gives rise to tissue degeneration and potential re-organization in the early stage.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».