Identification of Hippocampal and Amygdala Subfields Predictive of MoCA Scores in Patients with Dementia with Lewy Bodies
Notice bibliographique
Résumé
Abstract Background Hippocampal and amygdala subfields variably affect cognitive impairment in neurodegenerative diseases. Subfields of these regions can be well segmented using modern neuroimaging tools but their role in neurodegenerative disease is under active investigation. In this study, we identified hippocampal and amygdala subregions predictive of cognitive performance and motor symptoms severity measured by MoCA (Montreal Cognitive Assessment) and MDS‐UPDRS III, respectively, in patients with dementia with Lewy Bodies (DLB). Method We selected all participants with probable DLB (N = 48, mean age = 71±7 years, 15% female) enrolled in the Dementia with Lewy Bodies Consortium (DLBC) as of July 2022, with concurrent measures of 3D T1 MRI sequence, MoCA, and MDS‐UPDRS III scores. We performed cortical reconstruction and volumetric segmentation of hippocampal subfields and nuclei of the amygdala using FreeSurfer (v 7.2). We used combat harmonization to account for site and scanner differences. We trained and applied a bootstrapped, bidirectional stepwise regression model of 29 predictor variables comprised of sub‐fields and mean cortical thickness against MoCA and MDS‐UPDRS III, respectively, with an 80‐20 train‐test split ratio, and 5000 repetitions, corrected for age and sex. Result Subfield segmentation is shown in Figure 1A. The best fitting model for MoCA included mean cortical thickness, parasubiculum, hippocampal and amygdala transition area, corticoamygdaloid transition area, and CA3 body (Figure 1B, adjusted R2 = 0.51). The best fitting model for MDS‐UPDRS III included the cortical nucleus of the amygdala and CA1 body (Figure 1C, adjusted R2 = 0.22). This model was considered a poor fit. We considered MoCA for further analysis and closely predicted scores in our 20% partitioned test sample (Figure 2A, R2 = 0.38). Conclusion We report model‐based selection of hippocampal and amygdala subfields to predict MoCA scores in DLB. Atrophy in these regions has been associated with global cognitive deficit in mild cognitive impairment and Alzheimer disease cohorts. The model fit for MDS‐UPDRS III scores was poor, providing evidence that these brain regions do not serve a role in motor control.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».