Intrinsic Prefrontal Functional Connectivity According to Cognitive Impairment in Patients with ESRD
Notice bibliographique
Résumé
Background: This study aimed to investigate differences in intrinsic prefrontal functional connectivity according to the presence of cognitive impairment in patients with end-stage renal disease (ESRD) using functional near-infrared spectroscopy (fNIRS). Methods: We prospectively enrolled 37 patients with ESRD who were undergoing hemodialysis for more than six months and had no previous history of neurological or psychiatric disorders. The NIRSIT Lite device was used to acquire fNIRS data, and the NIRSIT Lite Analysis Tool program was used to process the data and generate a functional connectivity matrix. We obtained functional connectivity measures by applying graph theory using BRAPH program from the connectivity matrix using the BRAPH program. All patients with ESRD underwent a Korean version of the Montreal Cognitive Assessment (MoCA-K) to assess their cognitive function. Results: Of the 37 patients with ESRD, 23 had cognitive impairment, whereas 14 patients showed no cognitive impairment. Intrinsic prefrontal functional connectivity was significantly different between groups. The network measures of the strength, global efficiency, and mean clustering coefficient were lower (4.458 vs. 5.129, p=0.018; 0.397 vs. 0.437, p=0.028; 0.316 vs. 0.421, p=0.003; respectively) in ESRD patients with cognitive impairment than those without cognitive impairment. There were no significant correlations between MoCA-K scores and clinical characteristics. Conclusions: We demonstrated a significant association between cognitive function and intrinsic prefrontal functional connectivity in patients with ESRD. ESRD patients with cognitive impairment have reduced connectivity and segregation in the prefrontal brain network compared with those without cognitive impairment.
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 | 0,001 |
| 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 ».