Resting-State Electroencephalography Functional Connectivity Networks Relate to Pre- and Postoperative Language Functioning in Low-Grade Glioma and Meningioma Patients
Notice bibliographique
Résumé
Introduction: Preservation of language functioning in patients undergoing brain tumor surgery is essential because language impairments negatively impact the quality of life. Brain tumor patients have alterations in functional connectivity (FC), the extent to which brain areas functionally interact. We studied FC networks in relation to language functioning in glioma and meningioma patients. Method: Patients with a low-grade glioma (N = 15) or meningioma (N = 10) infiltrating into/pressing on the language-dominant hemisphere underwent extensive language testing before and 1 year after surgery. Resting-state EEG was registered preoperatively, postoperatively (glioma patients only), and once in healthy individuals. After analyzing FC in theta and alpha frequency bands, weighted networks and Minimum Spanning Trees were quantified by various network measures. Results: Pre-operative FC network characteristics did not differ between glioma patients and healthy individuals. However, hub presence and higher local and global FC are associated with poorer language functioning before surgery in glioma patients and predict worse language performance at 1 year after surgery. For meningioma patients, a greater small worldness was related to worse language performance and hub presence; better average clustering and global integration were predictive of worse outcome on language function 1 year after surgery. The average eccentricity, diameter and tree hierarchy seem to be the network metrics with the more pronounced relation to language performance. Discussion: In this exploratory study, we demonstrated that preoperative FC networks are informative for pre- and postoperative language functioning in glioma patients and to a lesser extent in meningioma patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».