Impact of Brain MRI Markers on Major and Mild Vascular Cognitive Impairment in CADASIL
Notice bibliographique
Résumé
Background: Cognitive impairment is the second most common clinical manifestation in cerebral autosomal-dominant arteriopathy with subcortical infarcts and leukoencephalopathy (CADASIL). However, understanding of cognitive impairment in CADASIL has been hampered by lack of consensus on diagnosis of vascular cognitive impairment (VCI). We used vascular impairment of cognition classification consensus study principles (VICCCS-1) and protocols (VICCCS-2) to assess the cognitive impairment in CADASIL. We also evaluated the impact of MRI markers on major and mild VCI in CADASIL.Methods: We prospectively recruited 64 patients who underwent standardized brain MRI and detailed neuropsychological test. MRI analysis included number of lacunes, number of cerebral microbleeds (CMB), normalized volume of white-matter hyperintensities (nWMH), and brain parenchymal fraction (BPF). BPF has been used to measure brain atrophy. The patients were divided into three groups: those with normal cognition (CADASIL-NC, n=14), those with mild VCI (CADASIL-mild VCI, n=38), and those with major VCI (CADASIL-major VCI, n=11).Results: The three groups differed according to age, with the major VCI group being older. The major VCI group had more lacunes, more CMB, more extensive white matter lesions and lower BPF than NC group. There were no significant differences between NC and mild VCI groups in BPF. BPF and age were the independent predictors of major VCI. There was a tendency that women were at higher risk for mild VCI, though it did not reach statistical significance. Women were older than men, but had lower number of lacunes in mild VCI.Conclusions: These findings suggest that brain atrophy and age are the main predictors of major VCI in CADASIL.
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 | 0,001 |
| 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) | 0,000 | 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 ».