Altered resting state functional connectivity in newborns with hypoxic ischemic encephalopathy assessed using high-density functional near-infrared spectroscopy
Notice bibliographique
Résumé
Abstract Hypoxic-Ischemic Encephalopathy (HIE) results from a lack of oxygen to the brain during the perinatal period. HIE can lead to mortality and various acute and long-term morbidities. Improved bedside monitoring methods are needed to identify biomarkers of brain health. Functional near-infrared spectroscopy (fNIRS) can assess resting state functional connectivity (RSFC) at the bedside. We acquired resting-state fNIRS data from 21 neonates with HIE (postmenstrual age [PMA] = 39.59) and 20 term-born healthy newborns (PMA = 39.95). Twelve HIE neonates also underwent resting-state functional magnetic resonance imaging (fMRI). RSFC was calculated as correlation coefficients amongst the time courses for fNIRS and fMRI data, respectively. We showed that the fNIRS and fMRI RSFC maps were comparable. RSFC patterns were then measured with graph theory metrics and compared between HIE infants and healthy controls. HIE newborns showed significantly increased clustering coefficients, network efficiency and modularity compared to controls. Using a support vector machine algorithm, RSFC features demonstrated good performance in classifying the HIE and healthy newborns into separate groups. Our results indicate the utility of fNIRS-connectivity patterns as potential biomarkers for HIE and fNIRS as a new bedside tool for newborns with HIE.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».