Identifying the neurostimulation target for treatment of cognitive impairment in aging and early cerebral small vessel disease
Notice bibliographique
Résumé
OBJECTIVE: To develop individualized approaches to the use of neuromodulation as a non-pharmacological treatment of cognitive impairment (CI) based on the assessment of compensatory brain reserves in functional MRI (fMRI). MATERIAL AND METHODS: Twenty-one adults over 45 years of age, representing a continuum from healthy norm to mild cognitive impairment due to aging and early cerebral small vessel disease, were studied. All participants underwent fMRI while performing two executive tasks - a modified Stroop task and selective counting. To assess the ability to compensate for CI in real life, functional activation and connectivity were analyzed using the BRIEF-MoCA score as a covariate, which is the difference in ratings between the Behavior Rating Inventory of Executive Function (BRIEF) and the Montreal Cognitive Assessment Scale (MoCA). RESULTS: Both fMRI tasks were associated with activation of areas of the frontoparietal control network, as well as supplementary motor area (SMA) and the pre-SMA, the lateral premotor cortex, and the cerebellum. An increase in pre- SMA connectivity was observed during the tasks. The BRIEF-MoCA score correlated firstly with connectivity of the left dorsolateral prefrontal cortex (DLPFC) and secondly with involvement of the occipital cortex during the counting task. CONCLUSIONS: The developed technique allows identification of the functionally relevant target within the left DLPFC in patients with CI in aging and early cerebral microangiopathy.
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 ».