MétaCan
Menu
Retour à la cohorte
Enregistrement W4310360172 · doi:10.1093/brain/awac439

Metabolic patterns in brain 18F-fluorodeoxyglucose PET relate to aetiology in paediatric dystonia

2022· article· en· W4310360172 sur OpenAlexfundno aff
Stavros Tsagkaris, Eric Yau, Verity M. McClelland, Ata Siddiqui, Daniel E. Lumsden, Margaret Kaminska, Éric Guedj, Alexander Hammers, Jean‐Pierre Lin

Notice bibliographique

RevueBrain · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensnon disponible
Organismes subventionnairesCentre For Medical Engineering, King’s College LondonMedical Research Council CanadaMedical Research CouncilDepartment of Health and Aged Care, Australian GovernmentRosetrees TrustKing's College LondonEngineering and Physical Sciences Research CouncilNational Institute for Health and Care ResearchKing's College Hospital NHS Foundation TrustKing’s College LondonWellcome TrustAction Medical Research
Mots-clésDystoniaKernicterusBasal gangliaEncephalopathyMedicinePathologyInternal medicinePsychologyJaundiceNeuroscienceCentral nervous system

Résumé

récupéré en direct d'OpenAlex

There is a lack of imaging markers revealing the functional characteristics of different brain regions in paediatric dystonia. In this observational study, we assessed the utility of [18F]2-fluoro-2-deoxy-D-glucose (FDG)-PET in understanding dystonia pathophysiology by revealing specific resting awake brain glucose metabolism patterns in different childhood dystonia subgroups. PET scans from 267 children with dystonia being evaluated for possible deep brain stimulation surgery between September 2007 and February 2018 at Evelina London Children's Hospital (ELCH), UK, were examined. Scans without gross anatomical abnormality (e.g. large cysts, significant ventriculomegaly; n = 240) were analysed with Statistical Parametric Mapping (SPM12). Glucose metabolism patterns were examined in the 144/240 (60%) cases with the 10 commonest childhood-onset dystonias, focusing on nine anatomical regions. A group of 39 adult controls was used for comparisons. The genetic dystonias were associated with the following genes: TOR1A, THAP1, SGCE, KMT2B, HPRT1 (Lesch Nyhan disease), PANK2 and GCDH (Glutaric Aciduria type 1). The acquired cerebral palsy (CP) cases were divided into those related to prematurity (CP-Preterm), neonatal jaundice/kernicterus (CP-Kernicterus) and hypoxic-ischaemic encephalopathy (CP-Term). Each dystonia subgroup had distinct patterns of altered FDG-PET uptake. Focal glucose hypometabolism of the pallidi, putamina or both, was the commonest finding, except in PANK2, where basal ganglia metabolism appeared normal. HPRT1 uniquely showed glucose hypometabolism across all nine cerebral regions. Temporal lobe glucose hypometabolism was found in KMT2B, HPRT1 and CP-Kernicterus. Frontal lobe hypometabolism was found in SGCE, HPRT1 and PANK2. Thalamic and brainstem hypometabolism were seen only in HPRT1, CP-Preterm and CP-term dystonia cases. The combination of frontal and parietal lobe hypermetabolism was uniquely found in CP-term cases. PANK2 cases showed a distinct combination of parietal hypermetabolism with cerebellar hypometabolism but intact putaminal-pallidal glucose metabolism. HPRT1, PANK2, CP-kernicterus and CP-preterm cases had cerebellar and insula glucose hypometabolism as well as parietal glucose hypermetabolism. The study findings offer insights into the pathophysiology of dystonia and support the network theory for dystonia pathogenesis. 'Signature' patterns for each dystonia subgroup could be a useful biomarker to guide differential diagnosis and inform personalized management strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,017
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,012
Tête enseignante GPT0,264
Écart entre enseignants0,252 · 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 tête enseignante, 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetNeurological disorders and treatmentsTravaux en français237 207