Age of onset modulates resting‐state brain network dynamics in Friedreich Ataxia
Notice bibliographique
Résumé
This magnetoencephalography (MEG) study addresses (i) how Friedreich ataxia (FRDA) affects the sub-second dynamics of resting-state brain networks, (ii) the main determinants of their dynamic alterations, and (iii) how these alterations are linked with FRDA-related changes in resting-state functional brain connectivity (rsFC) over long timescales. For that purpose, 5 min of resting-state MEG activity were recorded in 16 FRDA patients (mean age: 27 years, range: 12-51 years; 10 females) and matched healthy subjects. Transient brain network dynamics was assessed using hidden Markov modeling (HMM). Post hoc median-split, nonparametric permutations and Spearman rank correlations were used for statistics. In FRDA patients, a positive correlation was found between the age of symptoms onset (ASO) and the temporal dynamics of two HMM states involving the posterior default mode network (DMN) and the temporo-parietal junctions (TPJ). FRDA patients with an ASO <11 years presented altered temporal dynamics of those two HMM states compared with FRDA patients with an ASO > 11 years or healthy subjects. The temporal dynamics of the DMN state also correlated with minute-long DMN rsFC. This study demonstrates that ASO is the main determinant of alterations in the sub-second dynamics of posterior associative neocortices in FRDA patients and substantiates a direct link between sub-second network activity and functional brain integration over long timescales.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».