Effective Connectivity of Default Mode Network Subsystems in Parkinson’s Disease with Mild Cognitive Impairment Based on Spectral Dynamic Causal Modeling
Notice bibliographique
Résumé
Objective: The objective of this study is to compare the differences in effective connectivity within the default mode network (DMN) subsystems between patients with Parkinson’s disease with mild cognitive impairment (PD-MCI) and patients with Parkinson’s disease with normal cognition (PD-CN). The mechanisms underlying DMN dysfunction in PD-MCI patients and its association with clinical cognitive function in PD-MCI are aimed to be investigated. Methods: The spectral dynamic causal model (spDCM) was employed to analyze the effective connectivity of functional magnetic resonance imaging (fMRI) data in the resting state for the DMN subsystems, which include the medial prefrontal cortex (MPFC), posterior cingulate cortex (PCC), left and right angular gyrus (LAG, RAG) in 23 PD-MCI and 22 PD-CN patients, respectively. The effective connectivity values of DMN subsystems in the two groups were statistically analyzed using a two-sample t-test. The Spearman correlation analysis was used to test the correlation between the effective connectivity values of the subsystems with significant differences between the two groups and the clinical cognitive function (as measured by Montreal Cognitive Assessment Scale (MoCA) score). Results: Statistical analysis revealed significant differences in the effective connections of MPFC-LAG and LAG-PCC between the two patient groups (MPFC-LAG: t = –2.993, p < 0.05; LAG-PCC: t = 2.174, p < 0.05). Conclusions: The study findings suggest that abnormal strength and direction of effective connections between DMN subsystems are found in PD-MCI patients.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».