Visual evoked potentials in multiple sclerosis: P100 latency and visual pathway damage including the lateral geniculate nucleus
Notice bibliographique
Résumé
• P100-latency delay is mainly driven by pre-chiasmatic lesions but independently influenced by postchiasmatic damage. • After optic neuritis, P100-latency is associated with lateral geniculate nucleus atrophy, possibly indicating synaptopathy. • Better understanding of the contributors to the VEP signal may strengthen its interpretability as a biomarker. To explore associations of the main component (P100) of visual evoked potentials (VEP) to pre- and postchiasmatic damage in multiple sclerosis (MS). 31 patients (median EDSS: 2.5), 13 with previous optic neuritis (ON), and 31 healthy controls had VEP, optical coherence tomography and magnetic resonance imaging. We tested associations of P100-latency to the peripapillary retinal nerve fiber layer (pRNFL), ganglion cell/inner plexiform layers (GCIPL), lateral geniculate nucleus volume (LGN), white matter lesions of the optic radiations (OR-WML), fractional anisotropy of non-lesional optic radiations (NAOR-FA), and to the mean thickness of primary visual cortex (V1). Effect sizes are given as marginal R 2 (mR 2 ). P100-latency, pRNFL, GCIPL and LGN in patients differed from controls. Within patients, P100-latency was significantly associated with GCIPL (mR 2 = 0.26), and less strongly with OR-WML (mR 2 = 0.17), NAOR-FA (mR 2 = 0.13) and pRNFL (mR 2 = 0.08). In multivariate analysis, GCIPL and NAOR-FA remained significantly associated with P100-latency (mR 2 = 0.41). In ON-patients, P100-latency was significantly associated with LGN volume (mR 2 = −0.56). P100-latency is affected by anterior and posterior visual pathway damage. In ON-patients, damage at the synapse-level (LGN) may additionally contribute to latency delay. Our findings corroborate post-chiasmatic contributions to the VEP-signal, which may relate to distinct pathophysiological mechanisms in MS.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».