MétaCan
Menu
Retour à la cohorte
Enregistrement W4224223308 · doi:10.1016/j.brs.2022.03.009

Probing responses to deep brain stimulation with functional magnetic resonance imaging

2022· review· en· W4224223308 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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueBrain stimulation · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensToronto Western HospitalKrembil FoundationUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFunctional magnetic resonance imagingMagnetic resonance imagingFunctional magnetic resonance spectroscopy of the brainDeep brain stimulationNeuroscienceNuclear magnetic resonanceStimulationNeuroimagingBrain stimulationMedicinePsychologyPhysicsRadiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Deep brain stimulation (DBS) is an established treatment for certain movement disorders and has additionally shown promise for various psychiatric, cognitive, and seizure disorders. However, the mechanisms through which stimulation exerts therapeutic effects are incompletely understood. A technique that may help to address this knowledge gap is functional magnetic resonance imaging (fMRI). This is a non-invasive imaging tool which permits the observation of DBS effects in vivo. OBJECTIVE: The objective of this review was to provide a comprehensive overview of studies in which fMRI during active DBS was performed, including studied disorders, stimulated brain regions, experimental designs, and the insights gleaned from stimulation-evoked fMRI responses. METHODS: We conducted a systematic review of published human studies in which fMRI was performed during active stimulation in DBS patients. The search was conducted using PubMED and MEDLINE. RESULTS: The rate of fMRI DBS studies is increasing over time, with 37 studies identified overall. The median number of DBS patients per study was 10 (range = 1-67, interquartile range = 11). Studies examined fMRI responses in various disease cohorts, including Parkinson's disease (24 studies), essential tremor (3 studies), epilepsy (3 studies), obsessive-compulsive disorder (2 studies), pain (2 studies), Tourette syndrome (1 study), major depressive disorder, anorexia, and bipolar disorder (1 study), and dementia with Lewy bodies (1 study). The most commonly stimulated brain region was the subthalamic nucleus (24 studies). Studies showed that DBS modulates large-scale brain networks, and that stimulation-evoked fMRI responses are related to the site of stimulation, stimulation parameters, patient characteristics, and therapeutic outcomes. Finally, a number of studies proposed fMRI-based biomarkers for DBS treatment, highlighting ways in which fMRI could be used to confirm circuit engagement and refine DBS therapy. CONCLUSION: A review of the literature reflects an exciting and expanding field, showing that the combination of DBS and fMRI represents a uniquely powerful tool for simultaneously manipulating and observing neural circuitry. Future work should focus on relatively understudied disease cohorts and stimulated regions, while focusing on the prospective validation of putative fMRI-based biomarkers.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,057
Tête enseignante GPT0,329
Écart entre enseignants0,272 · 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