Global functional connectivity reorganization reflects cognitive processing speed deficits and fatigue in multiple sclerosis
Notice bibliographique
Résumé
Abstract Background and purpose Cognitive impairment (CI) in multiple sclerosis (MS) is associated with bidirectional changes in resting‐state centrality measures. However, practicable functional magnetic resonance imaging (fMRI) biomarkers of CI are still lacking. The aim of this study was to assess the graph‐theory‐based degree rank order disruption index ( k D ) and its association with cognitive processing speed as a marker of CI in patients with MS (PwMS) in a secondary cross‐sectional fMRI analysis. Methods Differentiation between PwMS and healthy controls (HCs) using k D and its correlation with CI (Symbol Digit Modalities Test) was compared to established imaging biomarkers (regional degree, volumetry, diffusion‐weighted imaging, lesion mapping). Additional associations were assessed for fatigue (Fatigue Scale for Motor and Cognitive Functions), gait and global disability. Results Analysis in 56 PwMS and 58 HCs (35/27 women, median age 45.1/40.5 years) showed lower k D in PwMS than in HCs (median −0.30/−0.06, interquartile range 0.55/0.54; p = 0.009, Mann–Whitney U test), yielding acceptable yet non‐superior differentiation (area under curve 0.64). k D and degree in medial prefrontal cortex (MPFC) correlated with CI ( k D /MPFC Spearman's ρ = 0.32/−0.45, p = 0.019/0.001, n = 55). k D also explained fatigue ( ρ = −0.34, p = 0.010, n = 56) but neither gait nor disability. Conclusions k D is a potential biomarker of CI and fatigue warranting further validation.
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 | 0,001 |
| 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 ».