White matter alterations and cognitive outcomes in children born very low birth weight
Notice bibliographique
Résumé
BACKGROUND: Very low birth weight (VLBW) infants are at risk for disrupted white matter maturation, yet little is known about the contributing factors, particularly at preschool-age when cognitive difficulties begin to emerge. We examined white matter microstructure in five-year-old VLBW and full-term (FT) children, and its association with cognitive outcomes and birth weight. METHODS: Multi-shell diffusion and MR images were obtained for 41 VLBW (mean birth weight: 1028.6 ± 256.8 g) and 26 FT (3295.4 ± 493.9 g) children. Fractional anisotropy (FA), radial diffusivity (RD), neurite orientation dispersion index (ODI) and density index (NDI) were estimated using diffusion tensor and neurite orientation dispersion and density imaging models. Between-group analyses used a general linear model with group and sex as explanatory variables. Within-group associations between white matter microstructure, cognitive outcomes and birth weight were also investigated. RESULTS: VLBW compared to FT children showed lower FA and NDI across widespread white matter regions. Smaller clusters of atypical ODI were also found in VLBW children. Within-group analyses in FT children revealed that lower RD and higher NDI were associated with vocabulary acquisition and working memory. In VLBW children, higher FA and NDI, and lower RD and ODI, were associated with improved processing speed. In both groups, FA was positively associated with birth weight. CONCLUSIONS: Our findings demonstrate white matter alterations in young VLBW children, including widespread reductions in axon density that may reflect sustained myelination disruptions. The associations with cognitive outcomes may also highlight which of the VLBW children are at higher risk for later cognitive difficulties.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».