Cortical lesion hotspots and association of subpial lesions with disability in multiple sclerosis
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».