The increased iron deposition of the gray matter over the whole brain in chronic migraine: An exploratory quantitative susceptibility mapping study
Notice bibliographique
Résumé
Background Prior studies identified iron deposition in deep brain nuclei and the periaqueductal gray matter region in chronic migraine, and less is known about the cerebral iron deposition over the whole cerebral gray matter in CM. The aim of this case–control study is to investigate the cerebral iron deposition of gray matter in CM using an advanced quantitative susceptibility mapping. Methods A multi-echo gradient echo MR sequence was used to obtain raw quantitative susceptibility mapping data from 12 CM patients and 18 normal controls and the quantitative susceptibility mapping were reconstructed. Three dimensional T1 images were segmented and the gray matter mask was generated to extract the susceptibility value of gray matter over the whole brain. The independent t test and receiver operating characteristic curve Receiver operating characteristics was used to investigate the iron deposition changes in CM patients. Results CM presented a higher susceptibility value (1.44 × 10 −3 ppm) compared with NC group (0.47 × 10 −3 ppm) ( p < 0.0001) over the whole cerebral gray matter. There was no correlation between susceptibility value and the clinical variables including disease duration, Visual Analog Scale (VAS), Migraine Disability Assessment Scale (MIDAS), Hamilton Anxiety Scale (HAMA), Hamilton Depression Scale (HAMD), and Montreal Cognitive Assessment (MoCA) scores ( p > 0.05). ROC analysis demonstrated the susceptibility had a high diagnostic efficacy (AUC 0.949, sensitivity 77.78% and specificity 100%) in distinguishing CM from NC. Conclusion CM patients had increased iron deposition in total cerebral gray matter which could be considered as a potential diagnostic and evaluated imaging biomarker in CM.
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 | 0,000 |
| 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 | 0,001 | 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 ».