Cortical lesion hotspots and association of subpial lesions with disability in multiple sclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Dramatic improvements in visualization of cortical (especially subpial) multiple sclerosis (MS) lesions allow assessment of impact on clinical course. Objective: Characterize cortical lesions by 7 tesla (T) T 2 * -/T 1 -weighted magnetic resonance imaging (MRI); determine relationship with other MS pathology and contribution to disability. Methods: Sixty-four adults with MS (45 relapsing–remitting/19 progressive) underwent 3 T brain/spine MRI, 7 T brain MRI, and clinical testing. Results: Cortical lesions were found in 94% (progressive: median 56/range 2–203; relapsing–remitting: 15/0–168; p = 0.004). Lesion distribution across 50 cortical regions was nonuniform ( p = 0.006), with highest lesion burden in supplementary motor cortex and highest prevalence in superior frontal gyrus. Leukocortical and white matter lesion volumes were strongly correlated ( r = 0.58, p < 0.0001), while subpial and white matter lesion volumes were moderately correlated ( r = 0.30, p = 0.002). Leukocortical ( p = 0.02) but not subpial lesions ( p = 0.40) were correlated with paramagnetic rim lesions; both were correlated with spinal cord lesions ( p = 0.01). Cortical lesion volumes (total and subtypes) were correlated with expanded disability status scale, 25-foot timed walk, nine-hole peg test, and symbol digit modality test scores. Conclusion: Cortical lesions are highly prevalent and are associated with disability and progressive disease. Subpial lesion burden is not strongly correlated with white matter lesions, suggesting differences in inflammation and repair mechanisms.
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.
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 | 0,003 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle