MétaCan
Menu
← Retour à la cohorte
Enregistrement W3183334183 · doi:10.1101/2021.07.15.21260586

Exploring the relationship between resting state intra-network connectivity and accelerometer-measured physical activity in pediatric concussion: A cohort study

2021· preprint· en· W3183334183 sur OpenAlexafffund
Bhanu Sharma, Joyce Obeid, Carol DeMatteo, Michael D. Noseworthy, Brian W. Timmons

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensSt. Joseph’s Healthcare HamiltonMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésConcussionDefault mode networkPhysical activityResting state fMRIAccelerometerPhysical medicine and rehabilitationCohortMedicinePsychologyFunctional connectivityNeuroscienceInternal medicinePoison controlInjury preventionComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Objectives To explore the association between resting state functional connectivity and accelerometer-measured physical activity in pediatric concussion. Methods Fourteen children with concussion (aged 14.54 ± 2.39 years, 8 female) were included in this secondary data-analysis. Participants had neuroimaging at 15.3 ± 6.7 days post-injury and subsequently a mean of 11.1 ± 5.0 days of accelerometer data. Intra-network connectivity of the default mode network (DMN), sensorimotor network (SMN), salience network (SN), and fronto-parietal network (FPN) was computed. Results Per general linear models, only intra-network connectivity of the DMN was associated with habitual physical activity levels. More specifically, increased intra-network connectivity of the DMN was significantly associated with higher levels of subsequent accelerometer-measured light physical activity (F (2,11) = 7.053, p = 0.011, R a 2 = 0.562; β = 0.469), moderate physical activity (F (2,11) = 7.053, p = 0.011, R a 2 = 0.562; β = 0.725), and vigorous physical activity (F (2,11) = 10.855, p = 0.002, R a 2 = 0.664; β = 0.79). Intra-network connectivity of the DMN did not significantly predict sedentary time. Likewise, the SMN, SA, and FPN were not significantly associated with either sedentary time or physical activity. Conclusion These findings suggest that there is a positive association between the intra-network connectivity of the DMN and device-measured physical activity in children with concussion. Given that DMN impairment can be commonplace following concussion, this may be associated with lower levels of habitual physical activity, which can preclude children from experiencing the symptom-improving benefits of sub-maximal physical activity. KEY FINDINGS What are the new findings? Intra-network connectivity of the default mode network is associated with subsequent accelerometer-measured light, moderate, and vigorous physical activity within the first-month of pediatric concussion Similar associations with physical activity are not observed when examining the intra-network connectivity of the sensorimotor network, salience network, or fronto-parietal network Improved connectivity within the default mode network may lead to increased participation in light to vigorous physical activity in pediatric concussion How might it impact on clinical practice in the future? Default mode network impairment is commonplace in concussion, and this may limit children from experiencing the symptom-improving benefits of physical activity Adjunctive interventions (e.g., mindfulness) that improve the health of the default mode network should be further studied in pediatric concussion

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,340
Tête enseignante GPT0,389
Écart entre enseignants0,049 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetTraumatic Brain Injury Research→Travaux en français237 207→