Resting-state EEG measures cognitive impairment in Parkinson’s disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Cognitive dysfunction is common in Parkinson’s disease (PD). We developed and evaluated an EEG-based biomarker to index cognitive functions in PD from a few minutes of resting-state EEG. We hypothesized that synchronous changes in EEG across the power spectrum can measure cognition. We optimized a data-driven algorithm to efficiently capture these changes and index cognitive function in 100 PD and 49 control participants. We compared our EEG-based cognitive index with the Montreal cognitive assessment (MoCA) and cognitive tests across different domains from National Institutes of Health (NIH) Toolbox using cross-validations, regression models, and randomization tests. Finally, we externally validated our approach on 32 PD participants. We observed cognition-related changes in EEG over multiple spectral rhythms. Utilizing only 8 best-performing electrodes, our proposed index strongly correlated with cognition (MoCA: rho = 0.68, p value < 0.001; NIH-Toolbox cognitive tests: rho ≥ 0.56, p value < 0.001) outperforming traditional spectral markers (rho = −0.30–0.37). The index showed a strong fit in regression models ( R 2 = 0.46) with MoCA, yielded 80% accuracy in detecting cognitive impairment, and was effective in both PD and control participants. Notably, our approach was equally effective (rho = 0.68, p value < 0.001; MoCA) in out-of-sample testing. In summary, we introduced a computationally efficient data-driven approach for cross-domain cognition indexing using fewer than 10 EEG electrodes, potentially compatible with dynamic therapies like closed-loop neurostimulation. These results will inform next-generation neurophysiological biomarkers for monitoring cognition in PD and other neurological diseases.
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.
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 | 0,001 |
| 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 | 0,001 | 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 découle