Microvessel stenosis, enlarged perivascular spaces, and fibrinogen deposition are associated with ischemic periventricular white matter hyperintensities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Periventricular white matter hyperintensities (pvWMH) are neuroimaging abnormalities surrounding the lateral ventricles that are apparent on magnetic resonance imaging (MRI). They are associated with age, neurodegenerative disease, and cerebrovascular risk factors. While pvWMH ultimately represent a loss of white matter structural integrity, the pathological causes are heterogeneous in nature, and currently, cannot be distinguished using neuroimaging alone. pvWMH could occur because of a combination of small vessel disease (SVD), ependymal loss, blood-brain barrier dysfunction, and microgliosis. In this study we aimed to characterize microvascular stenosis, fibrinogen extravasation, and microgliosis within pvWMH with and without imaging evidence of periventricular infarction. Using postmortem neuroimaging of human brains (n = 20), we identified pvWMH with and without periventricular infarcts (PVI). We performed histological analysis of microvessel stenosis, perivascular spaces, microgliosis, and immunohistochemistry against fibrinogen as a measure of serum protein extravasation. Herein, we report distinctions between pvWMH with and without periventricular infarcts based on associations with microvessel stenosis, enlarged perivascular spaces, and fibrinogen IHC. Microvessel stenosis was significantly associated with PVI and with cellular deposition of fibrinogen in the white matter. The presence of fibrinogen was associated with PVI and increased number of microglia. These findings suggest that neuroimaging-based detection of infarction within pvWMH may help distinguish more severe lesions, associated with underlying microvascular disease and BBB dysfunction, from milder pvWMH that are a highly frequent finding on MRI.
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.
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 découle