Structural connectome differences in pediatric mild traumatic brain and orthopedic injury
Notice bibliographique
Résumé
Sophisticated network-based approaches such as structural connectomics may help to detect a biomarker of mild traumatic brain injury (mTBI) in children. This study compared the structural connectome of children with mTBI or mild orthopedic injury (OI) to that of typically developing (TD) children. Children aged 8-16.99 years with mTBI (n = 83) or OI (n = 37) were recruited from the emergency department and completed 3T diffusion MRI 2-20 days postinjury. TD children (n = 39) were recruited from the community and completed diffusion MRI. Graph theory metrics were calculated for the binarized average fractional anisotropy among 90 regions. Multivariable linear regression and linear mixed effects models were used to compare groups, with covariates age, hemisphere, and sex, correcting for multiple comparisons. The two injury groups did not differ on graph theory metrics, but both differed from TD children in global metrics (local network efficiency: TD > OI, mTBI, d = 0.49; clustering coefficient: TD < OI, mTBI, d = 0.49) and regional metrics for the fusiform gyrus (lower degree centrality and nodal efficiency: TD > OI, mTBI, d = 0.80 to 0.96; characteristic path length: TD < OI, mTBI, d = -0.75 to -0.90) and in the superior and middle orbital frontal gyrus, paracentral lobule, insula, and thalamus (clustering coefficient: TD > OI, mTBI, d = 0.66 to 0.68). Both mTBI and OI demonstrated reduced global and regional network efficiency and segregation as compared to TD children. Findings suggest a general effect of childhood injury that could reflect pre- and postinjury factors that can alter brain structure. An OI group provides a more conservative comparison group than TD children for structural neuroimaging research in pediatric 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».