MétaCan
Menu
Retour à la cohorte
Enregistrement W4307349447 · doi:10.3389/fnagi.2022.988037

Large-scale frontoparietal theta, alpha, and beta phase synchronization: A set of EEG differential characteristics for freezing of gait in Parkinson’s disease?

2022· article· en· W4307349447 sur OpenAlexafffund
Fatemeh Karimi, Quincy J. Almeida, Ning Jiang

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensWilfrid Laurier UniversityUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectroencephalographyGaitPsychologyNeuroscienceAlpha (finance)AudiologyParkinson's diseasePhysical medicine and rehabilitationMedicineInternal medicineDiseaseDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Freezing of gait (FOG) is a complex gait disturbance in Parkinson’s disease (PD), during which the patient is not able to effectively initiate gait or continue walking. The mystery of the FOG phenomenon is still unsolved. Recent studies have revealed abnormalities in cortical activities associated with FOG, which highlights the importance of cortical and cortical-subcortical network dysfunction in PD patients with FOG. In this paper, phase-locking value (PLV) of eight frequency sub-bands between 0.05 Hz and 35 Hz over frontal, motor, and parietal areas [during an ankle dorsiflexion (ADF) task] is used to investigate EEG phase synchronization. PLV was investigated over both superficial and deeper networks by analyzing EEG signals preprocessed with and without Surface Laplacian (SL) spatial filter. Four groups of participants were included: PD patients with severe FOG ( N = 5, 5 males), PD patients with mild FOG ( N = 7, 6 males), PD patients without FOG ( N = 14, 13 males), and healthy age-matched controls ( N = 13, 10 males). Fifteen trials were recorded from each participant. At superficial layers, frontoparietal theta phase synchrony was a unique feature present in PD with FOG groups. At deeper networks, significant dominance of interhemispheric frontoparietal alpha phase synchrony in PD with FOG, in contrast to beta phase synchrony in PD without FOG, was identified. Alpha phase synchrony was more distributed in PD with severe FOG, with higher levels of frontoparietal alpha phase synchrony. In addition to FOG-related abnormalities in PLV analysis, phase-amplitude coupling (PAC) analysis was also performed on frequency bands with PLV abnormalities. PAC analysis revealed abnormal coupling between theta and low beta frequency bands in PD with severe FOG at the superficial layers over frontal areas. At deeper networks, theta and alpha frequency bands show high PAC over parietal areas in PD with severe FOG. Alpha and low beta also presented PAC over frontal areas in PD groups with FOG. The results introduced significant phase synchrony differences between PD with and without FOG and provided important insight into a possible unified underlying mechanism for FOG. These results thus suggest that PLV and PAC can potentially be used as EEG-based biomarkers for FOG.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,267
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207