Abnormalities of structural brain connectivity in pediatric brain tumor survivors
Notice bibliographique
Résumé
Abstract Background Pediatric brain tumor survivors are at an increased risk for white matter (WM) injury. However, damage to whole-brain structural connectivity is unelucidated. The impact of treatment on WM connectivity was investigated. Methods Whole-brain WM networks were derived from diffusion tensor imaging data acquired for 28 irradiated patients (radiotherapy, RT) (mean age = 13.74 ± 3.32 years), 13 patients not irradiated (No RT) (mean age = 12.57 ± 2.87), and 41 typically developing children (TDC) (mean age = 13.32 ± 2.92 years). Differences in network properties were analyzed using robust regressions. Results Participation coefficient was lower in both patient groups (RT: adj. P = .015; No RT: adj. P = .042). Compared to TDC, RT had greater clustering (adj. P = .015), local efficiency (adj. P = .003), and modularity (adj. P = .000003). WM traced from hubs was damaged in patients: left hemisphere pericallosal sulcus (FA [F = 4.97; q < 0.01]; MD [F = 11.02; q < 0.0001]; AD [F = 10.00; q < 0.0001]; RD [F = 8.53; q < 0.0001]), right hemisphere pericallosal sulcus (FA [F = 8.87; q < 0.0001]; RD [F = 8.27; q < 0.001]), and right hemisphere parietooccipital sulcus (MD [F = 5.78; q < 0.05]; RD [F = 5.12; q < 0.05]). Conclusions Findings indicate greater segregation of WM networks after RT. Intermodular connectivity was lower after treatment with and without RT. No significant network differences were observed between patient groups. Our results are discussed in the context of a network approach that emphasizes interactions between brain regions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».