MétaCan
Menu
← Retour à la cohorte
Enregistrement W4213009037 · doi:10.1101/2022.02.17.480894

Experience-dependent learning and myelin plasticity in individuals with stroke

2022· preprint· en· W4213009037 sur OpenAlexafffund
Cristina Rubino, Beverley C. Larssen, Larissa Chiu, Hanwen Liu, Sarah N. Kraeutner, Niruthikha Mahendran, Ronan Denyer, Bimal Lakhani, Michael R. Borich, Cornelia Laule, Lara A. Boyd

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensInternational Collaboration On Repair DiscoveriesOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésMyelinMotor learningNeuroplasticityStroke (engine)PsychologyPhysical medicine and rehabilitationNeuroscienceMedicineCentral nervous systemPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Background Injury to brain myelin disrupts motor performance and learning, however it is not clear if myelination is modulated by skilled motor practice or by recovery after stroke. Multi-component relaxation imaging can be used to measure water trapped between myelin bilayers which is expressed as myelin water fraction. The purpose of this study was to examine the effect of experience-dependent learning on myelin plasticity using multi-component relaxation imaging in individuals with stroke. Methods Thirty-two individuals with chronic stroke (>6 months) and twenty-seven healthy controls completed 4 weeks of skilled motor practice using a complex, gamified reaching task. Multi-component relaxation imaging-derived myelin water fraction was obtained before and after training. Seven brain regions associated with motor learning and sensorimotor function were investigated. Results All participants improved task-specific reaching movements after training. In individuals with stroke: 1) pre-training myelin water fraction was lower in motor brain regions but higher in the cingulum compared to controls, 2) pre-training myelin water fraction in motor and sensorimotor regions was positively associated with learning rate, and 3) myelin water fraction was increased in the ipsilesional (contralateral to the trained arm) superior longitudinal fasciculus following skilled motor practice. Conclusions Findings indicate that after stroke, myelin water fraction is related to measures of motor learning and modulated by 4 weeks of skilled motor practice with the paretic limb. Myelin water fraction can be enhanced in the chronic stage of stroke and may be an important target for upper-limb motor recovery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,292
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→