MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312087292 · doi:10.1002/alz.066359

An examination of white matter integrity and functional network organization in Subjective Cognitive Decline using Diffusional Kurtosis Imaging‐based tractography resting state fMRI

2022· article· en· W4312087292 sur OpenAlexaboutno aff
Duncan Nowling, Nicholas Bustos, Katie L Barlis, Jory Crull, Andrew Lawson, Jacobo Mintzer, Andreana Benitez, Jens H. Jensen, Jane E. Joseph

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInferior longitudinal fasciculusFasciculusUncinate fasciculusFractional anisotropyWhite matterCingulum (brain)Resting state fMRIMedicinePosterior cingulateBoston Naming TestNeuroscienceCognitionConnectomeClinical Dementia RatingDiffusion MRIPsychologyAudiologyFunctional connectivityMagnetic resonance imagingNeuropsychologyCognitive impairmentRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Subjective Cognitive Decline (SCD) may increase the risk of Alzheimer’s Disease and related dementias (ADRD). Brain network changes may occur at both the functional and structural levels in SCD. To better understand these network changes, diffusional kurtosis imaging (DKI) and functional connectome (FC) measures were examined in SCD and healthy controls (HC). We hypothesized that DKI and FC measures in the medial temporal lobe would be sensitive to differences between SCD and healthy controls (HC). Method SCD classification was determined by clinician evaluation or Everyday Cognition average item score > 1.6, with objectively healthy cognitive performance (Montreal Cognitive Assessment score > 22). DKI and fMRI images were acquired on a Siemens PRISMA scanner in 33 SCD subjects and 33 age/sex matched HCs (mean age=69.1 yr). DSI Studio’s Automatic fiber tracking extracted the DKI measure mean kurtosis (MK) in 3 bilateral white matter bundles associated with ADRD: inferior longitudinal fasciculus (ILF), cingulum‐parahippocampus (CP), and uncinate fasciculus (UF). FC measure eigenvector centrality (Evc) was calculated in 19 medial temporal nodes using the Brain Connectivity Toolbox. Generalized Linear Models were conducted for each bundle to determine whether EVC in the left ventrolateral amygdala (LAMG) was predicted by MK, Diagnosis or the MK*Diagnosis interaction. Result In the left ILF, the effect of MK approached significance (p = .054) as did the MK*Diagnosis interaction (p = .059). Lower MK was associated with higher LAMG EVC in HC (r = ‐.40) but there was no association between MK and EVC for SCD. In the left UF, effect of MK was significant (p = .003), but no effect of Diagnosis and no interaction. Lower MK was associated with higher LAMG EVC (r = ‐.359) in both SCD and HC. Conclusion This preliminary study showed that in HC, white matter integrity of the ILF was associated with LAMG functional connectivity, but this association was absent in SCD. While present results should be interpreted with caution due to small sample sizes, these findings indicate that healthy aging structural‐functional associations are disrupted in SCD, but future studies should determine whether this is a reliable marker of brain organization changes.

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 seuil0,007

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 Opus0,044
Tête enseignante GPT0,316
Écart entre enseignants0,271 · 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 revueAlzheimer s & Dementia→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→