Altered neurovascular coupling in patients with vascular cognitive impairment: a combined ASL-fMRI analysis
Notice bibliographique
Résumé
Background and objective: This study aims to examine the role of neurovascular coupling (NVC) in vascular cognitive impairment (VCI) by investigating the relationship between white matter lesion (WML) burden, NVC, and cognitive deficits. Additionally, we aim to explore the potential of NVC as a tool for understanding the neural mechanisms underlying VCI. Methods: This study included thirty-eight small vessel disease cognitive impairment (SVCI) patients, 34 post-stroke cognitive impairment (PSCI) patients, and 43 healthy controls (HC). Comprehensive assessments, including neuroimaging and neuropsychological testing, were conducted to evaluate cognitive function. WML burden was measured and correlated with NVC coefficients to examine the relationship between white matter pathology and NVC. Mediation analysis was employed to explore the link relationship between NVC, WML burden, and cognitive function. Results: The present study showed that NVC was significantly reduced in the SVCI and PSCI groups compared with HCs at both whole-brain and brain region level. The analysis revealed notable findings regarding NVC in relation to WML burden and cognitive function in VCI patients. Specifically, reduced NVC coefficients were observed within higher order brain systems responsible for cognitive control and emotion regulation. Mediation analysis demonstrated that NVC played a mediating role in the relationship between WML burden and cognitive impairment. Conclusion: This study reveals the mediating role of NVC in the relationship between WML burden and cognitive function in VCI patients. The results demonstrate the potential of the NVC as an accurate measure of cognitive impairment and its ability to identify specific neural circuits affected by WML burden.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,011 |
| 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 ».