Event‐based modeling in temporal lobe epilepsy demonstrates progressive atrophy from cross‐sectional data
Notice bibliographique
Résumé
Abstract Objective Recent work has shown that people with common epilepsies have characteristic patterns of cortical thinning, and that these changes may be progressive over time. Leveraging a large multicenter cross‐sectional cohort, we investigated whether regional morphometric changes occur in a sequential manner, and whether these changes in people with mesial temporal lobe epilepsy and hippocampal sclerosis (MTLE‐HS) correlate with clinical features. Methods We extracted regional measures of cortical thickness, surface area, and subcortical brain volumes from T1‐weighted (T1W) magnetic resonance imaging (MRI) scans collected by the ENIGMA‐Epilepsy consortium, comprising 804 people with MTLE‐HS and 1625 healthy controls from 25 centers. Features with a moderate case–control effect size (Cohen d ≥ .5) were used to train an event‐based model (EBM), which estimates a sequence of disease‐specific biomarker changes from cross‐sectional data and assigns a biomarker‐based fine‐grained disease stage to individual patients. We tested for associations between EBM disease stage and duration of epilepsy, age at onset, and antiseizure medicine (ASM) resistance. Results In MTLE‐HS, decrease in ipsilateral hippocampal volume along with increased asymmetry in hippocampal volume was followed by reduced thickness in neocortical regions, reduction in ipsilateral thalamus volume, and finally, increase in ipsilateral lateral ventricle volume. EBM stage was correlated with duration of illness (Spearman ρ = .293, p = 7.03 × 10 −16 ), age at onset ( ρ = −.18, p = 9.82 × 10 −7 ), and ASM resistance (area under the curve = .59, p = .043, Mann–Whitney U test). However, associations were driven by cases assigned to EBM Stage 0, which represents MTLE‐HS with mild or nondetectable abnormality on T1W MRI. Significance From cross‐sectional MRI, we reconstructed a disease progression model that highlights a sequence of MRI changes that aligns with previous longitudinal studies. This model could be used to stage MTLE‐HS subjects in other cohorts and help establish connections between imaging‐based progression staging and clinical features.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».