Can Magnetic Resonance Imaging Reveal Lower Motor Neuron Damage after Traumatic Spinal Cord Injury? A Scoping Review
Notice bibliographique
Résumé
Restoring muscle function to patients with spinal cord injuries (SCIs) will invariably require a functioning lower motor neuron (LMN). As techniques such as nerve transfer surgery emerge, characterizing the extent of LMN damage associated with SCIs becomes clinically important. Current methods of LMN diagnosis have inherent limitations that could potentially be overcome by the development of magnetic resonance imaging (MRI) biomarkers: specific features on MRI that are indicative of LMN integrity. To identify research on MRI biomarkers of LMN damage in the acute phase after SCI, we searched PubMed, EMBASE, MEDLINE, and the Cochrane Central Register of Controlled Trials for articles published from inception to April 27, 2021. Overall, 2 of 58 unique articles screened met our inclusion criteria, both of which were small studies. We therefore identify MRI biomarkers of LMN damage overlying SCI as a notable gap in the literature. Because of the lack of existing literature on this specific problem, we further our discussion by examining concepts explored in research characterizing MRI biomarkers of spinal cord and neuronal damage in different contexts that may provide value in future work to identify a biomarker for LMN damage in SCI. We conclude that MRI biomarkers of LMN damage in SCI is an underexplored, but promising, area of research as emerging, function-restoring therapies requiring this information continue to advance.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».