Detection of blood-brain barrier dysfunction using advanced imaging methods to predict seizures in dogs with meningoencephalitis of unknown origin
Notice bibliographique
Résumé
BACKGROUND: The blood-brain barrier (BBB), which separates the intravascular and neuropil compartments, characterizes the vascular bed of the brain and is essential for its proper function. Recent advances in imaging techniques have driven the development of methods for quantitative assessment of BBB permeability. HYPOTHESIS/OBJECTIVES: Permeability of the BBB can be assessed quantitatively in dogs with meningoencephalitis of unknown origin (MUO) and its status is associated with the occurrence of seizures. ANIMALS: Forty dogs with MUO and 12 dogs without MUO. METHODS: Retrospective, prospective cohort study. Both dynamic contrast enhancement (DCE) and subtraction enhancement analysis (SEA) methods were used to evaluate of BBB permeability in affected (DCE, n = 8; SEA, n = 32) and control dogs (DCE, n = 6; SEA, n = 6). Association between BBB dysfunction (BBBD) score and clinical characteristics was examined. In brain regions where BBBD was identified by DCE or SEA magnetic resonance imaging (MRI) analysis, immunofluorescent staining for albumin, glial fibrillary acidic protein, ionized calcium binding adaptor molecule, and phosphorylated mothers against decapentaplegic homolog 2 were performed to detect albumin extravasation, reactive astrocytes, activated microglia, and transforming growth factor beta signaling, respectively. RESULTS: Dogs with BBBD had significantly higher seizure prevalence (72% vs 19%; P = .01) when compared to MUO dogs with no BBBD. The addition of SEA to routine MRI evaluation increased the identification rate of brain pathology in dogs with MUO from 50% to 72%. CONCLUSIONS AND CLINICAL IMPORTANCE: Imaging-based assessment of BBB integrity has the potential to predict risk of seizures in dogs with MUO.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».