Cerebral blood flow in patients recovered from mild COVID‐19
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Cerebral hypoperfusion has been described in both severe and mild forms of symptomatic Coronavirus Disease 2019 (COVID-19) infection. The purpose of this study was to investigate global and regional cerebral blood flow (CBF) in asymptomatic COVID-19 patients. METHODS: Cases with mild COVID-19 infection and age-, sex-, and race-matched healthy controls were drawn from the Aging Brain Consortium at The University of South Carolina data repository. Demographics, risk factors, and data from the Montreal Cognitive Assessment were collected. Mean CBF values for gray matter (GM), white matter (WM), and the whole brain were calculated by averaging CBF values of standard space-normalized CBF image values falling within GM and WM masks. Whole brain region of interest-based analyses were used to create standardized CBF maps and explore differences between groups. RESULTS: Twenty-eight cases with prior mild COVID-19 infection were compared with 28 controls. Whole-brain CBF (46.7 ± 5.6 vs. 49.3 ± 3.7, p = .05) and WM CBF (29.3 ± 2.6 vs. 31.0 ± 1.6, p = .03) were noted to be significantly lower in COVID-19 cases as compared to controls. Predictive models based on these data predicted COVID-19 group membership with a high degree of accuracy (85.2%, p < .001), suggesting CBF patterns are an imaging marker of mild COVID-19 infection. CONCLUSION: In this study, lower WM CBF, as well as widespread regional CBF changes identified using quantitative MRI, was found in mild COVID-19 patients. Further studies are needed to determine the reliability of this newly identified COVID-19 brain imaging marker and determine what drives these CBF 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.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle