MétaCan
Menu
← Retour à la cohorte
Enregistrement W4310992361 · doi:10.1101/2022.11.29.518330

Widespread, depth-dependent cortical microstructure alterations in paediatric focal epilepsy

2022· preprint· en· W4310992361 sur OpenAlexaff
Chiara Casella, Katy Vecchiato, Daniel Cromb, Yourong Guo, Anderson M. Winkler, Emer Hughes, Louise Dillon, Elaine Green, Kathleen Colford, Alexia Egloff, Ata Siddiqui, Anthony N. Price, Lucilio Cordero Grande, Tobias Wood, Shaihan Malik, Rui Pedro A. G. Teixeira, David W. Carmichael, Jonathan O’Muircheartaigh

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesKing's College LondonMedical Research CouncilRoyal SocietyEngineering and Physical Sciences Research CouncilNational Institute for Health and Care ResearchCentre For Medical Engineering, King’s College LondonKing's Health PartnersWellcome Trust
Mots-clésEpilepsyGliosisMedicineNeocortexDiseasePathologyNeurosciencePsychology

Résumé

récupéré en direct d'OpenAlex

Abstract Objective Tissue abnormalities in focal epilepsy may extend beyond the presumed focus. The underlying pathophysiology of these broader changes is unclear, and it is not known whether they result from ongoing disease processes, treatment-related side-effects, or whether they emerge earlier. Few studies have focused on the period of onset for most focal epilepsies, childhood. Fewer still have utilised quantitative MRI, which may provide a more sensitive and interpretable measure of tissue microstructural change. Here, we aimed to determine common spatial modes of changes in cortical architecture in children with heterogeneous drug-resistant focal epilepsy and, secondarily, whether changes were related to disease severity. Methods To assess cortical microstructure, quantitative T1 and T2 relaxometry (qT1 and qT2) was measured in 43 children with drug-resistant focal epilepsy [age-range=4-18 years] and 46 typically-developing children [age-range=2-18 years]. We assessed depth-dependent qT1 and qT2 values across the neocortex, as well as their gradient of change across cortical depths. We also determined whether global changes seen in group analyses were driven by focal pathologies in individual patients. Finally, as a proof-of-concept, we trained a classifier using qT1 and qT2 gradient maps from patients with radiologically-defined abnormalities (MRI-positive) and healthy controls, and tested if this could classify patients without reported radiological abnormalities (MRI-negative). Results We uncovered depth-dependent qT1 and qT2 increases in widespread cortical areas in patients, likely representing microstructural alterations in myelin or gliosis. Changes did not correlate with disease severity measures, suggesting they may represent antecedent neurobiological alterations. Using a classifier trained with MRI-positive patients and controls, sensitivity was 62% at 100% specificity on held-out MRI-negative patients. Significance These findings suggest the presence of a potential imaging endophenotype of focal epilepsy, detectable irrespective of radiologically-identified abnormalities, and potentially evident pre-symptomatically. Key Points We assessed cortical microstructure in children with focal epilepsy Quantitative T1 and T2 relaxometry (qT1 and qT2) was measured in the neocortex Patients showed extensive qT1/qT2 increases and intracortical organization changes Alterations may appear during cerebral development, prior to disease onset

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 enseignants0,003
Score d'incertitude au seuil0,006

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 Opus0,016
Tête enseignante GPT0,266
Écart entre enseignants0,250 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetEpilepsy research and treatment→Travaux en français237 207→