Physical reserve and its underpinning functional neural networks moderate the relationship between white matter hyperintensity and postural balance in older adults with subcortical ischemic vascular cognitive impairment
Notice bibliographique
Résumé
White matter hyperintensities (WMH) are markers of subcortical ischemic vascular cognitive impairment (SIVCI) associated with impaired postural balance. Physical reserve (PR) is a recently established construct that reflects one's capacity to maintain physical function despite brain pathology. This cross-sectional study aims to map functional networks associated with PR, and examining the relationship between PR, WMH, and postural balance. PR was defined in 22 community-dwelling older adults with SIVCI. Functional networks of PR were computed using general linear model. Subsequent analyses examined whether PR and relevant networks moderated the relationship between WMH and postural balance under two conditions-eyes open while standing on foam (EOF) or on floor (EONF). We found that PR and the relevant networks-frontoparietal network (FPN) and default mode network (DMN)-significantly moderated the association between WMH and postural balance. For individuals with high PR, postural balance remained stable regardless of the extent of WMH load; whereas for those with low PR, postural balance worsened as WMH load increased. These results suggest the attenuated effects of WMH on postural stability due to PR may be underpinned by functional neural network reorganization in the FPN and DMN as a part of compensatory processes.
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 | 0,000 | 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 ».