MétaCan
Menu
Retour à la cohorte
Enregistrement W4400540044 · doi:10.1111/epi.18058

Predictors of long‐term memory and network connectivity 10 years after anterior temporal lobe resection

2024· article· en· W4400540044 sur OpenAlexaff
Marine Fleury, Lawrence P. Binding, Peter N. Taylor, Fenglai Xiao, Davide Giampiccolo, Lorenzo Caciagli, Sarah Buck, Gavin P. Winston, Pamela J. Thompson, Sallie Baxendale, Matthias J. Koepp, John S. Duncan, Meneka K. Sidhu

Notice bibliographique

RevueEpilepsia · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensQueen's University
Organismes subventionnairesUCLH Biomedical Research CentreMedical Research CouncilEpilepsy SocietyWellcome TrustAcademy of Medical SciencesUniversity College London Hospitals NHS Foundation TrustNational Institute for Health and Care ResearchUK Research and Innovation
Mots-clésPsychologyEpisodic memoryTemporal lobeNeuroscienceVerbal memoryEpilepsyNeuroplasticityAutobiographical memoryHippocampusAudiologyMedicineCognition

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Anterior temporal lobe resection (ATLR) effectively controls seizures in medically refractory temporal lobe epilepsy but risks significant episodic memory decline. Beyond 1 year postoperatively, the influence of preoperative clinical factors on episodic memory and long-term network plasticity remain underexplored. Ten years post-ATLR, we aimed to determine biomarkers of successful memory network reorganization and establish presurgical features' lasting impact on memory function. METHODS: Twenty-five ATLR patients (12 left-sided) and 10 healthy controls underwent a memory-encoding functional magnetic resonance imaging paradigm alongside neuropsychometry 10 years postsurgery. Generalized psychophysiological interaction analyses modeled network functional connectivity of words/faces remembered, seeding from the medial temporal lobes (MTLs). Differences in successful memory connectivity were assessed between controls and left/right ATLR. Multivariate regressions and mixed-effect models probed preoperative phenotypes' effects on long-term memory outcomes. RESULTS: Ten years post-ATLR, lower baseline functioning (verbal and performance intelligence quotient) and a focal memory impairment preoperatively predicted worse long-term memory outcomes. Poorer verbal memory was significantly associated with longer epilepsy duration and earlier onset age. Relative to controls, successful word and face encoding involved increased functional connectivity from both or remnant MTL seeds and contralesional parahippocampus/hippocampus after left/right ATLR. Irrespective of surgical laterality, successful memory encoding correlated with increased MTL-seeded connectivity to frontal (bilateral insula, right anterior cingulate), right parahippocampal, and bilateral fusiform gyri. Ten years postsurgery, better memory performance was correlated with contralateral frontal plasticity, which was disrupted with longer epilepsy duration. SIGNIFICANCE: Our findings underscore the enduring nature of functional network reorganizations to provide long-term cognitive support. Ten years post-ATLR, successful memory formation featured stronger connections near resected areas and contralateral regions. Preoperative network disruption possibly influenced effectiveness of postoperative plasticity. These findings are crucial for enhancing long-term memory prediction and strategies for lasting memory rehabilitation.

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 enseignants0,003
Score d'incertitude au seuil0,005

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
Bibliométrie0,0000,000
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 Opus0,013
Tête enseignante GPT0,290
Écart entre enseignants0,277 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetEpilepsy research and treatmentTravaux en français237 207