MétaCan
Menu
Retour à la cohorte
Enregistrement W4380680631 · doi:10.3389/fneur.2023.1199805

Examining temporal features of BOLD-based cerebrovascular reactivity in clinical populations

2023· article· en· W4380680631 sur OpenAlexaff
Kayley-Jasmin Marchena-Romero, Xiang Ji, Rosa Sommer, Andrew Centen, Joel Ramirez, Joshua M. Poulin, David J. Mikulis, Michael J. Thrippleton, Joanna M. Wardlaw, Andrew Lim, Sandra E. Black, Bradley J. MacIntosh

Notice bibliographique

RevueFrontiers in Neurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensUniversity Health NetworkUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesFondation Leducq
Mots-clésNeurosciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Background Conventional cerebrovascular reactivity (CVR) estimation has demonstrated that many brain diseases and/or conditions are associated with altered CVR. Despite the clinical potential of CVR, characterization of temporal features of a CVR challenge remains uncommon. This work is motivated by the need to develop CVR parameters that characterize individual temporal features of a CVR challenge. Methods Data were collected from 54 adults and recruited based on these criteria: (1) Alzheimer’s disease diagnosis or subcortical Vascular Cognitive Impairment, (2) sleep apnea, and (3) subjective cognitive impairment concerns. We investigated signal changes in blood oxygenation level dependent (BOLD) contrast images with respect to hypercapnic and normocapnic CVR transition periods during a gas manipulation paradigm. We developed a model-free, non-parametric CVR metric after considering a range of responses through simulations to characterize BOLD signal changes that occur when transitioning from normocapnia to hypercapnia. The non-parametric CVR measure was used to examine regional differences across the insula, hippocampus, thalamus, and centrum semiovale. We also examined the BOLD signal transition from hypercapnia back to normocapnia. Results We found a linear association between isolated temporal features of successive CO2 challenges. Our study concluded that the transition rate from hypercapnia to normocapnia was significantly associated with the second CVR response across all regions of interest (p < 0.001), and this association was highest in the hippocampus (R2 = 0.57, p < 0.0125). Conclusion This study demonstrates that it is feasible to examine individual responses associated with normocapnic and hypercapnic transition periods of a BOLD-based CVR experiment. Studying these features can provide insight on between-subject differences in CVR.

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)0,003
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 Opus0,075
Tête enseignante GPT0,373
Écart entre enseignants0,298 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207