Abnormal Cerebrovascular Reactivity and Functional Connectivity Caused by White Matter Hyperintensity Contribute to Cognitive Decline
Notice bibliographique
Résumé
Aims: This study aimed to investigate the relationships of impaired cerebrovascular reactivity (CVR) and abnormal functional connectivity (FC) with white matter hyperintensity (WMH)-related cognitive decline. Methods: = 55) groups according to Fazekas visual rating scale. All participants underwent neuropsychological tests and multimodal MRI scans, including 3D-T1, and resting-state functional magnetic resonance imaging (rs-fMRI). The alterations of CVR maps and FC were further explored. Results: Subjects with a higher WMH burden displayed a lower CVR in the left medial occipital gyrus (MOG). The FC analysis using MOG as a seed revealed that the FC of the left insula, left inferior parietal lobule, and thalamus changed abnormally as WMH aggravated. After adjusting for age, gender, and education years, the serial mediation analysis revealed that periventricular white matter hyperintensity contributes indirectly to poorer Mini-Mental State Examination (MMSE) scores (indirect effect: β = -0.1248, 95% CI: -0.4689, -0188), poorer Montreal Cognitive Assessment (MoCA) (indirect effect: β = -0.1436, 95% CI: -0.4584, -0.0292) scores, and longer trail making tests A (TMT-A) (indirect effect: β = 0.1837, 95% CI: 0.0069, 0.8273) times, specifically due to the lower CVR of the left MOG and the higher FC of the left insula-MOG. Conclusion: The CVR decline of the left MOG and the abnormal FC of the left insula-MOG attributed to WMH progression were responsible for the poor general cognition (MMSE and MoCA) and information processing speed (TMT-A). The left MOG may act as a connection, which is involved in the processing of cognitive biases by connecting with the left insula-cortical regions in WMH individuals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».