A right convergence area of the prefrontal lobe is involved in the improvement of semantic fluency in patients with post-stroke aphasia
Notice bibliographique
Résumé
Objectives This study aimed to longitudinally observe the improvement mechanism of semantic fluency in subacute post-stroke aphasia (PSA) patients using resting-state functional magnetic resonance imaging (rs-fMRI).Methods Twelve PSA patients, about one month after onset, were enrolled in this study and received speech-language therapy (SLT) for one month. Auditory comprehension and semantic fluency were evaluated using the Western Aphasia Battery (WAB) and the Animal Fluency Test. Before and after treatment, rs-fMRI data were collected, and the dice similarity coefficient was used to measure the spatial similarity between each patient’s lesion and a reference lesion. The left posterior inferior temporal gyrus (pITG) was used as a seed to calculate the normalized functional connectivity in whole-brain voxel analysis using DPABI software for statistical analysis.Results The dice similarity coefficient between each patient’s lesion and the reference lesion showed moderate to high intensity (0.57 ± 0.14) in the Montreal Neurological Institute space. After treatment, we found a significant increase in functional connectivity between the left pITG and the right prefrontal lobe convergence area (peak t = 8.219, Gaussian random field multiple comparison correction, voxel p < 0.001, cluster p < 0.05). The increase in functional connectivity was negatively correlated with the improvement in auditory comprehension (r =–0.707, p = 0.033) and positively correlated with the improvement in semantic fluency (r = 0.79, p = 0.02).Conclusion The improvement of semantic fluency in subacute PSA patients may require the participation of the right convergence area of the prefrontal lobe.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».