Brain Connectivity Changes in Postconcussion Syndrome as the Neural Substrate of a Heterogeneous Syndrome
Notice bibliographique
Résumé
Background: Postconcussion syndrome (PCS) or persistent symptoms of concussion refers to a constellation of symptoms that persist for weeks and months after a concussion. To better capture the heterogeneity of the symptoms of patients with PCS, we aimed to separate patients into clinical subtypes based on brain connectivity changes. Methods: Subject-specific structural and functional connectomes were created based on diffusion weighted and resting state functional magnetic resonance imaging, respectively. Following an informed dimensionality reduction, a Gaussian mixture model was used on patient-specific structural and functional connectivity matrices to find potential patient clusters. For validation, the resulting patient subtypes were compared in terms of cognitive, neuropsychiatric, and postconcussive symptom differences. Results: Multimodal analyses of brain connectivity were predictive of behavioral outcomes. Our modeling revealed two patient subtypes: mild and severe. The severe subgroup showed significantly higher levels of depression, anxiety, aggression, and a greater number of symptoms than the mild patient subgroup. Conclusion: This study suggests that structural and functional connectivity changes together can help us better understand the symptom severity and neuropsychiatric profiles of patients with PCS. This work allows us to move toward precision medicine in concussions and provides a novel machine learning approach that can be applicable to other heterogeneous conditions. Structural and functional brain connectivity of patients with postconcussion syndrome (PCS) are predictive of their behavioral outcomes. Taking a data-driven machine learning approach, we revealed two distinct clinical subtypes of patients: those with mild versus severe symptoms. Patients in the severe subtype reported higher levels of depression, anxiety, aggressive attitudes, and severe symptoms, whereas mild patients' symptom and brain connectivity profiles resemble healthy controls. This study does not only report clinical subtypes of PCS but also suggests that multimodal neuroimaging analysis of resting state and diffusion-weighted imaging together is more powerful than unimodal analyses in predicting neuropsychiatric symptoms and symptom severity of 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 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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».