Right Frontoinsular Cortex: A Potential Imaging Biomarker to Evaluate T2DM-Induced Cognitive Impairment
Notice bibliographique
Résumé
Cognitive impairment in type 2 diabetes mellitus (T2DM) is associated with functional and structural abnormalities in the intrinsic brain network. The salience network (SN) is a neurocognitive network that maintains normal cognitive function, but it has received little attention in T2DM. We explored SN changes in patients with T2DM with normal cognitive function (DMCN) and in patients with T2DM with mild cognitive impairment (DMCI). Sixty-five T2DM patients and 31 healthy controls (HCs) underwent a neuropsychological assessment, independent component analysis (ICA), and voxel-based morphometry (VBM) analysis. The ICA extracted the SN for VBM to compare SN functional connectivity (FC) and gray matter (GM) volume (GMV) between groups. A correlation analysis examined the relationship between abnormal FC and GMV and clinical/cognitive variables. Compared with HCs, DMCN patients demonstrated increased FC in the left frontoinsular cortex (FIC), right anterior insula, and putamen, while DMCI patients demonstrated decreased right middle/inferior frontal gyrus FC. Compared with DMCN patients, DMCI patients showed decreased right FIC FC. There was no significant difference in SN GMV in DMCN and DMCI patients compared with HCs. FIC GMV was decreased in the DMCI patients compared with DMCN patients. In addition, right FIC FC and SN GMV positively correlated with Montreal Cognitive Assessment and Mini-Mental State Examination (MMSE) scores. These findings indicate that changes in SN FC, and GMV are complex non-linear processes accompanied by increased cognitive dysfunction in patients with T2DM. The right FIC may be a useful imaging biomarker for supplementary assessment of early cognitive dysfunction in patients with T2DM.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».