Abnormal functional connectivity of white-matter networks and gray-white matter functional networks in patients with NMOSD
Notice bibliographique
Résumé
Cognitive impairment (CI) has been reported in 29-70% of patients with neuromyelitis optica spectrum disorder (NMOSD). Abnormal white matter (WM) functional networks that correlate with cognitive functions have not been studied well in patients with NMOSD. The aim of the current study was to investigate functional connectivity (FC), spontaneous activity, and functional covariance connectivity (FCC) abnormalities of WM functional networks in patients with NMOSD and their correlation with cognitive performance. Twenty-four patients with NMOSD and 24 healthy controls (HCs) were included in the study. Participants underwent brain resting-state functional magnetic resonance imaging (fMRI) and the Montreal Cognitive Assessment (MoCA). Eight WM networks and nine gray matter (GM) networks were created. In patients, WM networks, including WM1-4, WM1-8, WM2-6, WM2-7, WM2-8, WM4-8, WM5-8 showed reduced FC (P < 0.05). All WM networks except WM1 showed decreased spontaneous activity (P < 0.05). The major GM networks demonstrated increased/decreased FC (P < 0.05), whereas GM7-WM7, GM8-WM4, GM8-WM6 and GM8-WM8 displayed decreased FC (P < 0.05). The MoCA results showed that two-thirds (16/24) of the patients had CI. FC and FCC in WM networks were correlated negatively with the MoCA scores (P < 0.05). WM functional networks are multi-layered. Abnormal FC of WM functional networks and GM functional networks may be responsible for CI.
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 | 0,000 |
| 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) | 0,003 | 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 ».