White matter microstructure alterations in systemic lupus erythematosus: A preliminary coordinate-based meta-analysis of diffusion tensor imaging studies
Notice bibliographique
Résumé
BACKGROUND: Systemic lupus erythematosus is often accompanied with neuropsychiatric symptoms. Neuroimaging evidence indicated that microstructural white matter (WM) abnormalities play role in the neuropathological mechanism. Diffusion tensor imaging (DTI) studies allows the assessment of the microstructural integrity of WM tracts, but existing findings were inconsistent. This present study aimed to conduct a coordinate-based meta-analysis (CBMA) to identify statistical consensus of DTI studies in SLE. METHODS: Relevant studies that reported the differences of fractional anisotropy (FA) between SLE patients and healthy controls (HC) were searched systematically. Only studies reported the results in Talairach or Montreal Neurological Institute (MNI) coordinates were included. The anisotropic effect size version of signed differential mapping (AES-SDM) was applied to detect WM alterations in SLE. RESULTS: Totally, five studies with seven datasets which included 126 patients and 161 HC were identified. The pooled meta-analysis demonstrated that SLE patients exhibited significant FA reduction in the left striatum and bilateral inferior network, mainly comprised the corpus callosum (CC), bilateral inferior fronto-occipital fasciculus (IFOF), bilateral anterior thalamic projections, bilateral superior longitudinal fasciculus (SLF), left inferior longitudinal fasciculus (ILF), and left insula. No region with higher FA was identified. CONCLUSIONS: Disorders of the immune system might lead to subtle WM microstructural alterations in SLE, which might be related with cognitive deficits or emotional distress symptoms. This provides a better understanding of the pathological mechanism of microstructural brain abnormalities in SLE.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,005 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».