MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390199074 · doi:10.1002/alz.074136

Impact of White Matter Hyperintensity Changes on Cognition One Year After Mild Ischemic Stroke

2023· article· en· W4390199074 sur OpenAlexaboutno aff
Angela C.C. Jochems, Susana Muñoz Maniega, Úna Clancy, Carmen Arteaga, Daniela Jaime García, Will Hewins, Rachel Locherty, Stewart Wiseman, María del C. Valdés Hernández, Francesca M. Chappell, Michael Stringer, Michael J. Thrippleton, Fergus Doubal, Joanna M. Wardlaw

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHyperintensityDiffusion MRIFractional anisotropyMontreal Cognitive AssessmentMedicineWhite matterCardiologyStroke (engine)Cognitive declineInternal medicineCognitionDementiaBrain sizePhysical therapyMagnetic resonance imagingDiseasePsychiatryRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract Background White matter hyperintensities (WMH) are a main MRI feature of cerebral small vessel disease, and are associated with increased risk of stroke and dementia. Progression can lead to cognitive decline, but some evidence suggests that WMH can also regress. Regression might relate to better clinical outcomes, but this is not well examined yet. We explored if net WMH volume change accounts for changes in cognition 1‐year after mild ischemic stroke. We also explore tissue signatures in areas of white matter change using brain diffusion imaging. Method In a prospective study, we assessed vascular risk factors (VRF), structural and diffusion‐tensor brain MRI and cognition (Montreal Cognitive Assessment; MoCA) at baseline (≤3 months post‐stroke) and at 1‐year. We assessed change in cognition over 1‐year using a linear mixed model. Predictors were age, sex, stroke severity (National Institutes of Health Stroke Scale; NIHSS), combined VRFs, disability (modified Rankin Score), occurrence of incidental infarct in‐between visits and WMH volume (%intracranial volume). We studied tissue areas of stable normal‐appearing white matter (NAWM), stable WMH, regressing and progressing WMH (Figure1) and measured diffusion‐tensor fractional anisotropy (FA) and mean diffusivity (MD), to assess microstructure in each area Result At baseline, mean age = 67.5 (SD = 11.1), 66% male (N = 229), mean MoCA score = 25.0 (SD = 3.5). Between baseline and 1‐year post‐stroke, MoCA score decreased with older age (standardized B[95%CI]: ‐0.271[‐0.383; ‐0.159]) and increasing NIHSS (‐0.193[‐0.287; ‐0.099]). Areas of NAWM that progress to WMH already have lower FA and higher MD at baseline than NAWM that stays NAWM (N = 191; Figure2). WMH that regress to NAWM have higher FA and lower MD than stable WMH. At 1‐year, MD values seem higher and FA values seem lower in progressing WMH than at baseline. Conclusion Cognition deteriorates 1 year post‐stroke with older age and higher stroke severity, but not with WMH changes, when considering net WMH volume. Areas of WMH changes exist within individuals, these areas show different underlying tissue structures before becoming apparent on conventional MRI, indicating that WMH regression is real. Separate areas of WMH progression and regression might be more sensitive to cognitive changes and potentially be intervention targets.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 GPT0,343
Écart entre enseignants0,264 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAdvanced Neuroimaging Techniques and Applications→Travaux en français237 207→