Neurobehavioral and Clinical Comorbidities in Epilepsy: The Role of White Matter Network Disruption
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
Epilepsy is a common neurological disorder associated with alterations in cortical and subcortical brain networks. Despite a historical focus on gray matter regions involved in seizure generation and propagation, the role of white matter (WM) network disruption in epilepsy and its comorbidities has sparked recent attention. In this review, we describe patterns of WM alterations observed in focal and generalized epilepsy syndromes and highlight studies linking WM disruption to cognitive and psychiatric comorbidities, drug resistance, and poor surgical outcomes. Both tract-based and connectome-based approaches implicate the importance of extratemporal and temporo-limbic WM disconnection across a range of comorbidities, and an evolving literature reveals the utility of WM patterns for predicting outcomes following epilepsy surgery. We encourage new research employing advanced analytic techniques (e.g., machine learning) that will further shape our understanding of epilepsy as a network disorder and guide individualized treatment decisions. We also address the need for research that examines how neuromodulation and other treatments (e.g., laser ablation) affect WM networks, as well as research that leverages larger and more diverse samples, longitudinal designs, and improved magnetic resonance imaging acquisitions. These steps will be critical to ensuring generalizability of current research and determining the extent to which neuroplasticity within WM networks can influence patient outcomes.
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 | 0,001 | 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 | 0,000 | 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 découle