Normative values of neuromelanin-sensitive MRI signal in older adults obtained using a standard protocol for acquisition and analysis
Notice bibliographique
Résumé
Abstract Background The integrity and function of catecholamine neurotransmitter systems can be assessed using MRI sequences often referred to as neuromelanin-sensitive MRI (NM-MRI). The relevance of this method to neurodegenerative and psychiatric disorders is becoming increasingly evident, and it has potential as a clinical biomarker. To support such future applications, we report here the normative range of NM-MRI signal and volume metrics in cognitively normal older adults. Methods 3 Tesla NM-MRI images and demographic and cognitive data were available from 152 cognitively normal older adults aged 53-86 years old at baseline; a subsample of 68 participants also had follow-up NM-MRI data collected around one-year later. NM-MRI images were processed to yield summary measures of volume and signal (contrast-to-noise ratio, CNR) for the substantia nigra (SN) and locus coeruleus (LC) using a recently developed software employing a fully automated algorithm. The extent of annual change in these metrics was quantified and tested for significance using 1-sample t-tests. Results Baseline SN signal (CNR) was 10.02% (left SN) and 10.28% (right) and baseline LC signal was 24.71% (left) and 20.42% (right). The only NM-MRI metric to show a significant annual change was a decrease in left SN volume. Conclusion We report normative values for NM-MRI signal and volume in the SN and LC of cognitively normal older adults and normative values for their change over time. These values may help future efforts to use NM-MRI as a clinical biomarker for adults in this age range by facilitating identification of patients with extreme NM-MRI values.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».