Connectomic neuromodulation for Alzheimer’s disease: A systematic review and meta-analysis of invasive and non-invasive techniques
Notice bibliographique
Résumé
Deep brain stimulation (DBS) and non-invasive neuromodulation are currently being investigated for treating network dysfunction in Alzheimer's Disease (AD). However, due to heterogeneity in techniques and targets, the cognitive outcome and brain network connectivity remain unknown. We performed a systematic review, meta-analysis, and normative functional connectivity to determine the cognitive outcome and brain networks of DBS and non-invasive neuromodulation in AD. PubMed, Embase, and Web of Science were searched using three concepts: dementia, brain connectome, and brain stimulation, with filters for English, human studies, and publication dates 1980-2021. Additional records from clinicaltrials.gov were added. Inclusion criteria were AD study with DBS or non-invasive neuromodulation and a cognitive outcome. Exclusion criteria were less than 3-months follow-up, severe dementia, and focused ultrasound intervention. Bias was assessed using Centre for Evidence-Based Medicine levels of evidence. We performed meta-analysis, with subgroup analysis based on type and age at neuromodulation. To determine the patterns of neuromodulation-induced brain network activation, we performed normative functional connectivity using rsfMRI of 1000 healthy subjects. Six studies, with 242 AD patients, met inclusion criteria. On fixed-effect meta-analysis, non-invasive neuromodulation favored baseline, with effect size -0.40(95% [CI], -0.73, -0.06, p = 0.02), while that of DBS was 0.11(95% [CI] -0.34, 0.56, p = 0.63), in favor of DBS. In patients ≥65 years old, DBS improved cognitive outcome, 0.95(95% [CI] 0.31, 1.58, p = 0.004), whereas in patients <65 years old baseline was favored, -0.17(95% [CI] -0.93, 0.58, p = 0.65). Functional connectivity regions were in the default mode (DMN), salience (SN), central executive (CEN) networks, and Papez circuit. The subgenual cingulate and anterior limb of internal capsule (ALIC) showed connectivity to all targets of neuromodulation. This meta-analysis provides level II evidence of a difference in response of AD patients to DBS, based on age at intervention. Brain stimulation in AD may modulate DMN, SN, CEN, and Papez circuit, with the subgenual cingulate and ALIC as potential targets.
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 | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,033 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».