MétaCan
Menu
Retour à la cohorte
Enregistrement W4220973076 · doi:10.1186/s12880-022-00769-7

Impaired functional network properties contribute to white matter hyperintensity related cognitive decline in patients with cerebral small vessel disease

2022· article· en· W4220973076 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueBMC Medical Imaging · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesAnhui UniversityAnhui University of Science and TechnologyNational Natural Science Foundation of China
Mots-clésHyperintensityNeuropsychologyCognitionNeuroimagingMedicineMagnetic resonance imagingWhite matterFunctional magnetic resonance imagingInternal medicineCardiologyPsychiatryRadiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: White matter hyperintensity (WMH) is one of the typical neuroimaging manifestations of cerebral small vessel disease (CSVD), and the WMH correlates closely to cognitive impairment (CI). CSVD patients with WMH own altered topological properties of brain functional network, which is a possible mechanism that leads to CI. This study aims to identify differences in the characteristics of some brain functional network among patients with different grades of WMH and estimates the correlations between these different brain functional network characteristics and cognitive assessment scores. METHODS: 110 CSVD patients underwent 3.0 T Magnetic resonance imaging scans and neuropsychological cognitive assessments. WMH of each participant was graded on the basis of Fazekas grade scale and was divided into two groups: (A) WMH score of 1-2 points (n = 64), (B) WMH score of 3-6 points (n = 46). Topological indexes of brain functional network were analyzed using graph-theoretical method. T-test and Mann-Whitney U test was used to compare the differences in topological properties of brain functional network between groups. Partial correlation analysis was applied to explore the relationship between different topological properties of brain functional networks and overall cognitive function. RESULTS: Patients with high WMH scores exhibited decreased clustering coefficient values, global and local network efficiency along with increased shortest path length on whole brain level as well as decreased nodal efficiency in some brain regions on nodal level (p < 0.05). Nodal efficiency in the left lingual gyrus was significantly positively correlated with patients' total Montreal Cognitive Assessment (MoCA) scores (p < 0.05). No significant difference was found between two groups on the aspect of total MoCA and Mini-mental State Examination (MMSE) scores (p > 0.05). CONCLUSION: Therefore, we come to conclusions that patients with high WMH scores showed less optimized small-world networks compared to patients with low WMH scores. Global and local network efficiency on the whole-brain level, as well as nodal efficiency in certain brain regions on the nodal level, can be viewed as markers to reflect the course of WMH.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,018
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,221
Écart entre enseignants0,197 · 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