MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401147965 · doi:10.1016/j.neuroimage.2024.120764

Age dictates brain functional connectivity and axonal integrity following repetitive mild traumatic brain injuries in mice

2024· article· en· W4401147965 sur OpenAlexaff
Marangelie Criado‐Marrero, Sakthivel Ravi, Ekta Bhaskar, Daylin Barroso, Michael A. Pizzi, Lakiesha N. Williams, Cheryl L. Wellington, Marcelo Febo, Jose F. Abisambra

Notice bibliographique

RevueNeuroImage · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Center for Research ResourcesNational Institute on Minority Health and Health DisparitiesCongressionally Directed Medical Research ProgramsAlzheimer's AssociationNational Institute on AgingNational High Magnetic Field LaboratoryNiagara UniversityNational Institutes of HealthUniversity of FloridaNational Sleep FoundationNihon Kohden AmericaState of FloridaNational Science Foundation
Mots-clésFunctional connectivityNeuroscienceTraumatic brain injuryMedicinePhysical medicine and rehabilitationPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Traumatic brain injuries (TBI) present a major public health challenge, demanding an in-depth understanding of age-specific symptoms and risk factors. Aging not only significantly influences brain function and plasticity but also elevates the risk of hospitalizations and death following TBIs. Repetitive mild TBIs (rmTBI) compound these issues, resulting in cumulative and long-term brain damage in the brain. In this study, we investigate the impact of age on brain network changes and white matter properties following rmTBI by employing a multi-modal approach that integrates resting-state functional magnetic resonance imaging (rsfMRI), graph theory analysis, diffusion tensor imaging (DTI), and neurite orientation dispersion and density imaging (NODDI). Our hypothesis is that the effects of rmTBI are worsened in aged animals, with this group showing more pronounced alterations in brain connectivity and white matter structure. Utilizing the closed-head impact model of engineered rotational acceleration (CHIMERA) model, we conducted rmTBIs or sham (control) procedures on young (2.5-3-months-old) and aged (22-months-old) male and female mice to model high-risk groups. Functional and structural imaging unveiled age-related reductions in communication efficiency between brain regions, while injuries induced opposhigh-risking effects on the small-world index across age groups, influencing network segregation. Functional connectivity analysis also identified alterations in 79 out of 148 brain regions by age, treatment (sham vs. rmTBI), or their interaction. Injuries exerted pronounced effects on sensory integration areas, including insular and motor cortices. Age-related disruptions in white matter integrity were observed, indicating alterations in various diffusion directions (mean diffusivity, radial diffusivity, axial diffusivity, and fractional anisotropy) and density neurite properties (dispersion index, intracellular and isotropic volume fraction). Neuroinflammation, assessed through Iba-1 and GFAP markers, correlated with higher dispersion in the optic tract, suggesting a neuroinflammatory response in injured aged animals compared to sham aged. These findings offer insight into the interplay between age, injuries, and brain connectivity, shedding light on the long-term consequences of rmTBI.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,098
Tête enseignante GPT0,363
Écart entre enseignants0,265 · 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'étudeExpérimental (laboratoire)
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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImage→Même sujetTraumatic Brain Injury Research→Travaux en français237 207→