MétaCan
Menu
Retour à la cohorte
Enregistrement W4387776795 · doi:10.3389/fneur.2023.1250894

Differences in resting state functional connectivity relative to multiple sclerosis and impaired information processing speed

2023· article· en· W4387776795 sur OpenAlexafffund
Sean Carter, Ronak Patel, John D. Fisk, Chase R. Figley, Ruth Ann Marrie, Erin L. Mazerolle, Md Nasir Uddin, Kaihim Wong, Lesley A. Graff, James M. Bolton, James Marriott, Çharles N. Bernstein, Jennifer Kornelsen

Notice bibliographique

RevueFrontiers in Neurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensSt. Francis Xavier UniversityNova Scotia Health AuthorityDalhousie UniversityUniversity of ManitobaHealth Sciences Centre
Organismes subventionnairesCanadian Institutes of Health ResearchCrohn's and Colitis CanadaNatural Sciences and Engineering Research Council of CanadaMultiple Sclerosis Society of CanadaEuropean Genomic Institute for Diabetes
Mots-clésMultiple sclerosisResting state fMRIAudiologyCognitionMedicineCognitive impairmentPsychologyThalamusBasal gangliaNeuroscienceInternal medicinePsychiatryCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Background Fifty-one percent of individuals with multiple sclerosis (MS) develop cognitive impairment (CI) in information processing speed (IPS). Although IPS scores are associated with health and well-being, neural changes that underlie IPS impairments in MS are not understood. Resting state fMRI can provide insight into brain function changes underlying impairment in persons with MS. Objectives We aimed to assess functional connectivity (FC) differences in (i) persons with MS compared to healthy controls (HC), (ii) persons with both MS and CI (MS-CI) compared to HC, (iii) persons with MS that are cognitively preserved (MS-CP) compared to HC, (iv) MS-CI compared to MS-CP, and (v) in relation to cognition within the MS group. Methods We included 107 participants with MS (age 49.5 ± 12.9, 82% women), and 94 controls (age 37.9 ± 15.4, 66% women). Each participant was administered the Symbol Digit Modalities Test (SDMT) and underwent a resting state fMRI scan. The MS-CI group was created by applying a z-score cut-off of ≤ −1.5 to locally normalized SDMT scores. The MS-CP group was created by applying a z-score of ≥0. Control groups (HCMS-CI and HCMS-CP) were based on the nearest age-matched HC participants. A whole-brain ROI-to-ROI analysis was performed followed by specific contrasts and a regression analysis. Results Individuals with MS showed FC differences compared to HC that involved the cerebellum, visual and language-associated brain regions, and the thalamus, hippocampus, and basal ganglia. The MS-CI showed FC differences compared to HCMS-CI that involved the cerebellum, visual and language-associated areas, thalamus, and caudate. SDMT scores were correlated with FC between the cerebellum and lateral occipital cortex in MS. No differences were observed between the MS-CP and HCMS-CP or MS-CI and MS-CP groups. Conclusion Our findings emphasize FC changes of cerebellar, visual, and language-associated areas in persons with MS. These differences were apparent for (i) all MS participants compared to HC, (ii) MS-CI subgroup and their matched controls, and (iii) the association between FC and SDMT scores within the MS group. Our findings strongly suggest that future work that examines the associations between FC and IPS impairments in MS should focus on the involvement of these regions.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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)0,0020,000

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 Opus0,079
Tête enseignante GPT0,283
Écart entre enseignants0,204 · 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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207