The association of diffusion tensor MRI measures of normal appearing white matter and cognition
Notice bibliographique
Résumé
Objective: Median and peak height of fractional anisotropy (FA) and mean diffusivity (MD) are diffusion tensor imaging (DTI) markers used to quantify white matter microstructure changes. We examine the association of DTI histogram-derived measures in global normal appearing white matter (NAWM) and cognitive decline in patients with normal cognition and cognitive impairment no dementia from a memory clinic in Singapore. Methods: A total of 252 patients (mean age: 71.1 ± 7.6 years, 53.2% women) were included. All patients underwent clinical assessments, a brain MRI scan at baseline, and neuropsychological assessments annually for 2 years. DTI scans were processed to obtain MD and FA histogram-derived measures. The National Institute of Neurological Disorders and Stroke and the Canadian Stroke Network harmonization neuropsychological battery were used to assess cognitive function. Linear regression models with generalised estimating equation (GEE) and logistic regression models were used to examine the association between DTI histogram measures and cognitive decline. Results: for interaction <0.001; Year 0 vs 2, MD median: -0.29 (95%CI: -0.49, -0.09) vs -0.45 (95%CI: -0.65,-0.25); MD peak height: 0.22 (95%CI: 0.07, 0.37) vs 0.37 (95%CI: 0.21, 0.53); FA median: 0.11 (95%CI: -0.05, 0.26) vs 0.22 (95%CI: 0.07, 0.37); FA peak height: -0.14 (95%CI: -0.28, 0.00) vs -0.24 (95%CI: -0.38, -0.10);). Similar findings were observed for executive function and visuomotor speed while only MD measures predicted worsening in memory domain. Interpretation: This study shows that DTI histogram measures are associated with accelerated cognitive decline suggesting the utility of DTI as a pre-clinical marker in predicting the worsening of cognition in clinical trials.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».