Thalamic atrophy and dysconnectivity are associated with cognitive impairment in a multi-center, clinical routine, real-word study of people with relapsing-remitting multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Prior research has established a link between thalamic pathology and cognitive impairment (CI) in people with multiple sclerosis (pwMS). However, the translation of these findings to pwMS in everyday clinical settings has been insufficient. OBJECTIVE: To assess which global and/or thalamic imaging biomarkers can be used to identify pwMS at risk for CI and cognitive worsening (CW) in a real-world setting. METHODS: This was an international, multi-center (11 centers), longitudinal, retrospective, real-word study of people with relapsing-remitting MS (pwRRMS). Brain MRI exams acquired at baseline and follow-up were collected. Cognitive status was evaluated using the Symbol Digit Modalities Test (SDMT). Thalamic volume (TV) measurement was performed on T2-FLAIR, as well as on T1-WI, when available. Thalamic dysconnectivity, T2-lesion volume (T2-LV), and volumes of gray matter (GM), whole brain (WB) and lateral ventricles (LVV) were also assessed. RESULTS: 332 pwMS were followed for an average of 2.8 years. At baseline, T2-LV, LVV, TV and thalamic dysconnectivity on T2-FLAIR (p < 0.016), and WB, GM and TV volumes on T1-WI (p < 0.039) were significantly worse in 90 (27.1 %) CI vs. 242 (62.9 %) non-CI pwRRMS. Greater SDMT decline over the follow-up was associated with lower baseline TV on T2-FLAIR (standardized β = 0.203, p = 0.002) and greater thalamic dysconnectivity (standardized β = -0.14, p = 0.028) in a linear regression model. CONCLUSIONS: PwRRMS with thalamic atrophy and worse thalamic dysconnectivity present more frequently with CI and experience greater CW over mid-term follow-up in a real-world setting.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».