Assessment of Perivascular Space Morphometry Across the White Matter in Huntington’s Disease Using MRI
Notice bibliographique
Résumé
Background: Perivascular spaces (PVS) are fluid-filled cavities surrounding small cerebral blood vessels. There are limited reports of enlarged PVS across the grey matter in manifest Huntington's disease (HD). Little is known about how PVS morphometry in the white matter may contribute to HD. Enlarged PVS have the potential to both contribute to HD pathology and affect the distribution and success of intraparenchymal and intrathecally administered huntingtin-lowering therapies. Objective: To investigate PVS morphometry in the global white matter across the spectrum of HD. Relationships between PVS morphometry and disease burden and severity measures were examined. Methods: White matter PVS were segmented on 3T T2 W MRI brain scans of 33 healthy controls, 30 premanifest HD (pre-HD), and 32 early manifest HD (early-HD) participants from the Vancouver site of the TRACK-HD study. PVS count and total PVS volume were measured. Results: PVS total count slightly increased in pre-HD (p = 0.004), and early-HD groups (p = 0.005), compared to healthy controls. PVS volume, as a percentage of white matter volume, increased subtly in pre-HD compared to healthy controls (p = 0.044), but not in early-HD. No associations between PVS measures and HD disease burden or severity were found. Conclusions: This study reveals relatively preserved PVS morphometry across the global white matter of pre-HD and early-HD. Subtle morphometric abnormalities are implied but require confirmation in a larger cohort. However, in conjunction with previous publications, further investigation of PVS in HD and its potential impact on future treatments, with a focus on subcortical grey matter, is warranted.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».