The Cerebellum Is a Common Key for Visuospatial Execution and Attention in Parkinson’s Disease
Notice bibliographique
Résumé
Cognitive decline affects the clinical course in patients with Parkinson’s disease (PD) and contributes to a poor prognosis. However, little is known about the underlying network-level abnormalities associated with each cognitive domain. We aimed to identify the networks related to each cognitive domain in PD using resting-state functional magnetic resonance imaging (MRI). Forty patients with PD and 15 normal controls were enrolled. All subjects underwent MRI and the Mini-Mental State Examination. Furthermore, the cognitive function of patients with PD was assessed using the Montreal Cognitive Assessment (MoCA). We used independent component analysis of the resting-state functional MRI for functional segmentation, followed by reconstruction to identify each domain-related network, to predict scores in PD using multiple regression models. Six networks were identified, as follows: the visuospatial-executive-domain-related network (R2 = 0.54, p < 0.001), naming-domain-related network (R2 = 0.39, p < 0.001), attention-domain-related network (R2 = 0.86, p < 0.001), language-domain-related network (R2 = 0.64, p < 0.001), abstraction-related network (R2 = 0.10, p < 0.05), and orientation-domain-related network (R2 = 0.64, p < 0.001). Cerebellar lobule VII was involved in the visuospatial-executive-domain-related and attention-domain-related networks. These two domains are involved in the first three listed nonamnestic cognitive impairment in the diagnostic criteria for PD with dementia (PDD). Furthermore, Brodmann area 10 contributed most frequently to each domain-related network. Collectively, these findings suggest that cerebellar lobule VII may play a key role in cognitive impairment in nonamnestic types of PDD.
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 | 0,019 |
| 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 ».