MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312086371 · doi:10.1002/alz.068292

White Matter Correlates of Spoken Discourse in Cerebrovascular Disease

2022· article· en· W4312086371 sur OpenAlexaffabout
Dana N Broberg, Seyyed Mohammad Hassan Haddad, Katharine Aveni, Alexander Havens, J. B. Orange, Paula McLaughlin, Malcolm A. Binns, Angela Roberts, Robert Bartha

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensUniversity of TorontoNova Scotia Health AuthorityBaycrest HospitalRobarts Clinical TrialsWestern University
Organismes subventionnairesnon disponible
Mots-clésFractional anisotropyWhite matterLateralization of brain functionDiffusion MRISuperior longitudinal fasciculusPsychologyAudiologyMedicineNeuroscienceMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Abstract Background Spoken discourse (language beyond single words or sentences) performance can be used to detect cognitive impairment in cerebrovascular disease (CVD) [Roberts A, et al. (2021). Top Lang Disord 41(1):73‐98]. However, the neurological basis for altered spoken discourse in CVD is poorly defined. This study examined the association between spoken discourse and indicators of white matter microstructural integrity provided by diffusion tensor imaging (DTI) to better define the link between CVD‐related neurodegeneration and altered spoken discourse. Method Spoken discourse and 3T DTI data (30‐32 directions, b=1000) were obtained from the CVD cohort of the Ontario Neurodegenerative Disease Research Initiative (n=133). Spoken discourse analyses were completed previously [Roberts, 2021]. A DTI analysis pipeline [Hassan SMH, et al. (2019) PLoS One 14(12):e0226715] was used to generate brain maps of fractional anisotropy (FA) and mean diffusivity (MD) and calculate mean FA and MD values for the inferior longitudinal fasciculus (ILF), superior longitudinal fasciculus – parietal (SLFp) and temporal (SLFt) endings, and uncinate fasciculi (UNC) in each hemisphere. Canonical correlation analyses examined associations between DTI metrics and 10 spoken discourse measures separately for FA in left hemisphere, MD in left hemisphere, FA in right hemisphere, MD in right hemisphere. Result Canonical correlations were significant in the left hemisphere (FA: r=0.47, p<0.05; MD: r=0.51, p<0.01) but not the right (FA: r=0.34, p=0.90; MD: r=0.40, p=0.15)(Figure 1). Among the white matter tracts, the strongest canonical loadings were seen for the SLFp (FA: 0.81; MD: ‐0.59) and SLFt (FA: 0.71; MD: ‐0.40) compared to the ILF (FA: 0.44; MD: 0.03) and UNC (FA: ‐0.34; MD: 0.10). Higher FA in the SLFp and SLFt was associated with better performance on measures of fluency and information content. Lower MD in these tracts was associated with better performance on measures of fluency, information content, and syntax. Conclusion Spoken discourse performance was associated with white matter microstructural integrity in the left hemisphere of the brain. Of the white matter tracts investigated in this study, impaired spoken discourse performance in CVD was most strongly linked to altered tissue microstructure in the parietal and temporal endings of the superior longitudinal fasciculus.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,034
Tête enseignante GPT0,318
Écart entre enseignants0,284 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→