Exploring biomarkers of processing speed and executive function: The role of the anterior thalamic radiations
Notice bibliographique
Résumé
INTRODUCTION: Processing speed and executive function are often impaired after stroke and in typical aging. However, there are no reliable neurological markers of these cognitive impairments. The trail making test (TMT) is a common index of processing speed and executive function. Here, we tested candidate MRI markers of TMT performance in a cohort of older adults and individuals with chronic stroke. METHODS: In 61 older adults and 32 individuals with chronic stroke, we indexed white matter structure with region-specific lesion load (of white matter hyperintensities (WMHs) and stroke lesions) and diffusion tensor imaging (DTI) from four regions related to TMT performance: the anterior thalamic radiations (ATR), superior longitudinal fasciculus (SLF), forceps minor, and cholinergic pathways. Regression modelling was used to identify the marker(s) that explained the most variance in TMT performance. RESULTS: = 0.438, p < 0.001); no significant predictors of executive function (TMT B) emerged in the older adult group. No imaging metrics related to set shifting (TMT B-A). Regional DTI metrics predicted TMT performance above and beyond whole-brain stroke and WMH volumes and removing whole-brain lesion volumes improved model fits. CONCLUSIONS: In this comprehensive assessment of candidate imaging markers, we demonstrate an association between ATR microstructure and processing speed and executive function performance. Regional DTI metrics provided better predictors of cognitive performance than whole-brain lesion volumes or regional lesion load, emphasizing the importance of lesion location in understanding cognition. We propose ATR DTI metrics as novel candidate imaging biomarker of post-stroke cognitive impairment.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».