Dysfunction of the triple-network model is associated with cognitive impairment in patients with cerebral small vessel disease
Notice bibliographique
Résumé
Purpose This study aimed to demonstrate the correlations between the altered functional connectivity patterns in the triple-network model and cognitive impairment in patients with cerebral small vascular disease (CSVD). Methods Resting-state functional magnetic resonance imaging data were obtained from 22 patients with CSVD and 20 healthy controls. The resting-state data were analyzed using independent component analysis and functional network connectivity (FNC) analysis to explore the functional alterations in the intrinsic triple-network model including the salience network (SN), default mode network (DMN), and central executive network (CEN), and their correlations with the cognitive deficits and clinical observations in the patients with CSVD. Results Compared to the healthy controls, the patients with CSVD exhibited increased connectivity patterns in the CEN-DMN and decreased connectivity patterns in the DMN-SN, CEN-SN, intra-SN, and intra-DMN. Significant negative correlations were detected between the intra-DMN connectivity pattern and the Montreal Cognitive Assessment (MoCA) total scores ( r = −0.460, p = 0.048) and MoCA abstraction scores ( r = −0.565, p = 0.012), and a positive correlation was determined between the intra-SN connectivity pattern and the MoCA abstraction scores ( r = 0.491, p = 0.033). Conclusions Our study findings suggest that the functional alterations in the triple-network model are associated with the cognitive deficits in patients with CSVD and shed light on the importance of the triple-network model in the pathogenesis of CSVD.
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 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 | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».