Personalized Connectome-Based Modeling in Patients with Semi-Acute Phase TBI: Relationship to Acute Neuroimaging and 6 Month Follow-Up
Notice bibliographique
Résumé
Following traumatic brain injury (TBI), cognitive impairments manifest through interactions between microscopic and macroscopic changes. On the microscale, a neurometabolic cascade alters neurotransmission, while on the macroscale diffuse axonal injury impacts the integrity of long-range connections. Large-scale brain network modeling allows us to make predictions across these spatial scales by integrating neuroimaging data with biophysically based models to investigate how microscale changes invisible to conventional neuroimaging influence large-scale brain dynamics. To this end, we analyzed structural and functional neuroimaging data from a well characterized sample of 44 adult TBI patients recruited from a regional trauma center, scanned at 1-2 weeks postinjury, and with follow-up behavioral outcome assessed 6 months later. Thirty-six age-matched healthy adults served as comparison participants. Using The Virtual Brain, we fit simulations of whole-brain resting-state functional MRI to the empirical static and dynamic functional connectivity of each participant. Multivariate partial least squares (PLS) analysis showed that patients with acute traumatic intracranial lesions had lower cortical regional inhibitory connection strengths than comparison participants, while patients without acute lesions did not differ from the comparison group. Further multivariate PLS analyses found correlations between lower semiacute regional inhibitory connection strengths and more symptoms and lower cognitive performance at a 6 month follow-up. Critically, patients without acute lesions drove this relationship, suggesting clinical relevance of regional inhibitory connection strengths even when traumatic intracranial lesions were not present. Our results suggest that large-scale connectome-based models may be sensitive to pathophysiological changes in semi-acute phase TBI patients and predictive of their chronic outcomes.
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 | 0,003 |
| 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 ».