Mild traumatic brain injury impairs the coordination of intrinsic and motor-related neural dynamics
Notice bibliographique
Résumé
Mild traumatic brain injury (mTBI) poses a considerable burden on healthcare systems. Whilst most patients recover quickly, a significant number suffer from sequelae that are not accompanied by measurable structural damage. Understanding the neural underpinnings of these debilitating effects and developing a means to detect injury, would address an important unmet clinical need. It could inform interventions and help predict prognosis. Magnetoencephalography (MEG) affords excellent sensitivity in probing neural function and presents significant promise for assessing mTBI, with abnormal neural oscillations being a potential specific biomarker. However, growing evidence suggests that neural dynamics are (at least in part) driven by transient, pan-spectral bursting and in this paper, we employ this model to investigate mTBI. We applied a Hidden Markov Model to MEG data recorded during resting state and a motor task and show that previous findings of diminished intrinsic beta amplitude in individuals with mTBI are largely due to the reduced beta band spectral content of bursts, and that diminished beta connectivity results from a loss in the temporal coincidence of burst states. In a motor task, mTBI results in diminished burst amplitude, altered modulation of burst probability during movement, and a loss in connectivity in motor networks. These results suggest that, mechanistically, mTBI disrupts the structural framework underlying neural synchrony, which impairs network function. Whilst the damage may be too subtle for structural imaging to see, the functional consequences are detectable and persist after injury. Our work shows that mTBI impairs the dynamic coordination of neural network activity and proposes a potent new method for understanding mTBI.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».