Concussion Risk and Resilience: Relationships with Pre-Injury Salience Network Connectivity
Notice bibliographique
Résumé
Concussion is a major health concern, making it critical to identify factors that influence risk and resilience. The salience network (SN) likely plays a key role in concussion risk, given its roles in orienting attention, functional adaptability, and interoceptive awareness. The SN's functions are thought to be mediated through causal control of other networks, including the default mode network (DMN) and executive control network (ECN). It was therefore hypothesized that the SN of at-risk individuals would have altered functional and structural connectivity with the DMN and ECN. For this prospective study, 167 university athletes had baseline clinical assessments and magnetic resonance imaging scans and were monitored for the rest of their varsity career, with any concussions recorded. Athletes concussed in the same season as imaging (CSS; n = 17) and those concussed in later seasons (CLS; n = 15) were matched to controls that were not concussed after imaging. Functional connectivity and white matter fractional anisotropy (FA) were compared between concussed and control groups. Prior to injury, CSS athletes had significantly elevated total symptom severity scores, elevated SN-DMN functional connectivity and reduced FA of connecting white matter tracts, whereas CLS athletes showed no significant clinical or imaging effects. These findings provide new insights into the neurobiology of concussion risk and resilience, as indices of SN-DMN network connectivity are associated with short-term but not long-term concussion risk.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».