Structural brain networks correlating with poststroke cognition
Notice bibliographique
Résumé
Cognitive deficits are a common and debilitating consequence of stroke, yet our understanding of the structural neurobiological biomarkers predicting recovery of cognition after stroke remains limited. In this longitudinal observational study, we set out to investigate the effect of both focal lesions and structural connectivity on poststroke cognition. Sixty-two patients with stroke underwent advanced brain imaging and cognitive assessment, utilizing the Montreal Cognitive Assessment (MoCA) and the Mini-Mental State Examination (MMSE), at 3-month and 12-month poststroke. We first evaluated the relationship between lesions and cognition at 3 months using voxel-based lesion-symptom mapping. Next, a novel correlational tractography approach, using multi-shell diffusion-weighted magnetic resonance imaging (MRI) data collected at both time points, was used to evaluate the relationship between the white matter connectome and cognition cross-sectionally at 3 months, and longitudinally (12 minus 3 months). Lesion-symptom mapping did not yield significant findings. In turn, correlational tractography analyses revealed positive associations between both MoCA and MMSE scores and bilateral cingulum and the corpus callosum, both cross-sectionally at the 3-month stage, and longitudinally. These results demonstrate that rather than focal neural structures, a consistent structural connectome underpins the performance of two frequently used cognitive screening tools, the MoCA and the MMSE, in people after stroke. This finding should encourage clinicians and researchers to not only suspect cognitive decline when lesions affect these tracts, but also to refine their investigation of novel approaches to differentially diagnosing pathology associated with cognitive decline, regardless of the aetiology.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».