Contributions of sex, depression, and cognition on brain connectivity dynamics in Parkinson’s disease
Notice bibliographique
Résumé
Alterations in time-varying functional connectivity (FC) have been found in Parkinson's disease (PD) patients. To date, very little is known about the influence of sex on brain FC in PD patients and how this could be related to disease severity. The first objective was to evaluate the influence of sex on dynamic FC characteristics in PD patients and healthy controls (HC), while the second aim was to investigate the temporal patterns of dynamic connectivity related to PD motor and non-motor symptoms. Ninety-nine PD patients and sixty-two HC underwent a neuropsychological and clinical assessment. Rs-fMRI and T1-weighted MRI were also acquired. Dynamic FC analyses were performed in the GIFT toolbox. Dynamic FC analyses identified two States: State I, characterized by within-network positive coupling; and State II that showed between-network connectivity, mostly involving somatomotor and visual networks. Sex differences were found in dynamic indexes in HC but these differences were not observed in PD. Hierarchical clustering analysis identified three phenotypically distinct PD subgroups: (1) Subgroup A was characterized by mild motor symptoms; (2) Subgroup B was characterized by depressive and motor symptoms; (3) Subgroup C was characterized by cognitive and motor symptoms. Results revealed that changes in the temporal properties of connectivity were related to the motor/non-motor outcomes of PD severity. Findings suggest that while in HC sex differences may play a certain role in dynamic connectivity patterns, in PD patients, these effects may be overcome by the neurodegenerative process. Changes in the temporal properties of connectivity in PD were mainly related to the clinical markers of PD severity.
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 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».