MétaCan
Menu
Retour à la cohorte
Enregistrement W4395115264 · doi:10.3389/fnagi.2024.1345251

A 3D pseudo-continuous arterial spin labeling study of altered cerebral blood flow correlation networks in mild cognitive impairment and Alzheimer's disease

2024· article· en· W4395115264 sur OpenAlexfundno aff
Meng Li, Tianjia Zhu, Yan Kang, Shouliang Qi

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced MRI Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthGenentechIXICOH. Lundbeck A/SServierNatural Science Foundation of Liaoning ProvinceEisaiFundamental Research Funds for the Central UniversitiesNorthern California Institute for Research and EducationPfizerNovartis Pharmaceuticals CorporationUniversity of Southern CaliforniaBiogenEli Lilly and CompanyBristol-Myers SquibbBioClinicaU.S. Department of DefenseAlzheimer's Disease Neuroimaging InitiativeMeso Scale DiagnosticsNational Institute on AgingAlzheimer's Association
Mots-clésCerebral blood flowArterial spin labelingCorrelationCardiologyCognitive impairmentCognitionDiseaseMedicineNeuroscienceInternal medicinePsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Objective To investigate the abnormalities of the three-dimensional pseudo-continuous arterial spin labeling (3D PCASL) based cerebral blood flow (CBF) correlation networks in mild cognitive impairment (MCI) and Alzheimer's disease (AD). Methods 3D PCASL images of 53 cognitive normal (CN) subjects, 43 subjects with MCI, and 30 subjects with AD were acquired from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database. Whole-brain CBF maps were calculated using PCASL and proton density-weighted images (PDWI). The 246 regional CBF values, including the cortex and subcortex, were obtained after registering the Brainnetome Atlas to the individual CBF maps. The Pearson correlation coefficient between every two regions across subjects was calculated to construct the CBF correlation network. Then the topologies of CBF networks with regard to global properties (global network efficiency, clustering coefficient, characteristic path length, and small-world properties), hub regions, nodal properties (betweenness centrality, BC), and connections were compared among CN, MCI, and AD. Significant changes in the global and nodal properties were observed in the permutation tests, and connections with significant differences survived after the z-statistic and false discovery rate (FDR) correction. Results The CBF correlation networks of CN, MCI, and AD all showed small-world properties. Compared with CN, global efficiency decreased significantly in AD. Significant differences in nodal properties and a loss of hub regions are noted in the middle temporal lobe in both MCI and AD. In the frontal lobe, BC is reduced in MCI while it is increased in the occipital lobe in AD. The identified altered hub regions with significant differences in MCI and AD were mainly distributed in the hippocampus and entorhinal cortex. In addition, disrupted hub regions in AD with significantly decreased connections were mainly found in the precuneus/posterior cingulate cortex (PCC) and hippocampus-cortical cortex. Conclusions Noninvasive 3D PCASL-based CBF correlation networks are capable of showing changes in topological organization in subjects with MCI and AD, and the observed disruption in the topological organization may underlie cognitive decline in MCI and AD.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,298
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetAdvanced MRI Techniques and ApplicationsTravaux en français237 207