Increased functional connectivity patterns in mild Alzheimer’s disease: A rsfMRI study
Notice bibliographique
Résumé
Background Alzheimer’s disease (AD) is the most common age-related neurodegenerative disorder. In view of our rapidly aging population, there is an urgent need to identify Alzheimer’s disease (AD) at an early stage. A potential way to do so is by assessing the functional connectivity (FC), i.e., the statistical dependency between two or more brain regions, through novel analysis techniques. Methods In the present study, we assessed the static and dynamic FC using different approaches. A resting state (rs)fMRI dataset from the Alzheimer’s disease neuroimaging initiative (ADNI) was used ( n = 128). The blood-oxygen-level-dependent (BOLD) signals from 116 regions of 4 groups of participants, i.e., healthy controls (HC; n = 35), early mild cognitive impairment (EMCI; n = 29), late mild cognitive impairment (LMCI; n = 30), and Alzheimer’s disease (AD; n = 34) were extracted and analyzed. FC and dynamic FC were extracted using Pearson’s correlation, sliding-windows correlation analysis (SWA), and the point process analysis (PPA). Additionally, graph theory measures to explore network segregation and integration were computed. Results Our results showed a longer characteristic path length and a decreased degree of EMCI in comparison to the other groups. Additionally, an increased FC in several regions in LMCI and AD in contrast to HC and EMCI was detected. These results suggest a maladaptive short-term mechanism to maintain cognition. Conclusion The increased pattern of FC in several regions in LMCI and AD is observable in all the analyses; however, the PPA enabled us to reduce the computational demands and offered new specific dynamic FC findings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».