Functional near-infrared spectroscopy in pediatric clinical research: Different pathophysiologies and promising clinical applications
Notice bibliographique
Résumé
Over its 30 years of existence, functional near-infrared spectroscopy (fNIRS) has matured into a highly versatile tool to study brain function in infants and young children. Its advantages, amongst others, include its ease of application and portability, the option to combine it with electrophysiology, and its relatively good tolerance to movement. As shown by the impressive body of fNIRS literature in the field of cognitive developmental neuroscience, the method's strengths become even more relevant for (very) young individuals who suffer from neurological, behavioral, and/or cognitive impairment. Although a number of studies have been conducted with a clinical perspective, fNIRS cannot yet be considered as a truly clinical tool. The first step has been taken in this direction by studies exploring options in populations with well-defined clinical profiles. To foster further progress, here, we review several of these clinical approaches to identify the challenges and perspectives of fNIRS in the field of developmental disorders. We first outline the contributions of fNIRS in selected areas of pediatric clinical research: epilepsy, communicative and language disorders, and attention-deficit/hyperactivity disorder. We provide a scoping review as a framework to allow the highlighting of specific and general challenges of using fNIRS in pediatric research. We also discuss potential solutions and perspectives on the broader use of fNIRS in the clinical setting. This may be of use to future research, targeting clinical applications of fNIRS in children and adolescents.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».