Association between Changes in White Matter Microstructure and Cognitive Impairment in White Matter Lesions
Notice bibliographique
Résumé
This study investigated the characteristics of cognitive impairment in patients with white matter lesions (WMLs) caused by cerebral small vessel disease and the corresponding changes in WM microstructures. Diffusion tensor imaging (DTI) data of 50 patients with WMLs and 37 healthy controls were collected. Patients were divided into vascular cognitive impairment non-dementia and vascular dementia groups. Tract-based spatial statistics showed that patients with WMLs had significantly lower fractional anisotropy (FA) and higher mean diffusivity (MD), axial diffusivity (AD), and radial diffusivity (RD) values throughout the WM areas but predominately in the forceps minor, forceps major (FMA), bilateral corticospinal tract, inferior fronto-occipital fasciculus, superior longitudinal fasciculus, inferior longitudinal fasciculus (ILF), and anterior thalamic radiation, compared to the control group. These fiber bundles were selected as regions of interest. There were significant differences in the FA, MD, AD, and RD values (p < 0.05) between groups. The DTI metrics of all fiber bundles significantly correlated with the Montreal Cognitive Assessment (p < 0.05), with the exception of the AD values of the FMA and ILF. Patients with WMLs showed changes in diffusion parameters in the main WM fiber bundles. Quantifiable changes in WM microstructure are the main pathological basis of cognitive impairment, and may serve as a biomarker of WMLs.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».