Association of cortical morphology, white matter hyperintensity, and glymphatic function in frontotemporal dementia variants
Notice bibliographique
Résumé
INTRODUCTION: Frontotemporal dementia (FTD) can be phenotypically divided into behavioral variant FTD (bvFTD), nonfluent variant primary progressive aphasia (nfvPPA), and semantic variant PPA (svPPA). However, the neural underpinnings of this phenotypic heterogeneity remain elusive. METHODS: Cortical morphology, white matter hyperintensities (WMH), diffusion tensor image analysis along the perivascular space (DTI-ALPS), and their interrelationships were assessed in subtypes of FTD. Neuroimaging-transcriptional analyses on the regional cortical morphological deviances among subtypes were also performed. RESULTS: Changes in cortical thickness, surface area, gyrification, WMH, and DTI-ALPS were subtype-specific in FTD. The three morphologic indices are related to whole-brain WMH volume and cognitive performance, while cortical thickness is related to DTI-ALPS. Neuroimaging-transcriptional analyses identified key biological pathways linked to the formation and/or spread of TDP-43/tau pathologies. DISCUSSION: We found subtype-specific changes in cortical morphology, WMH, and glymphatic function in FTD. Our findings have the potential to contribute to the development of personalized predictions and treatment strategies for this disorder. HIGHLIGHTS: Cortical morphologic changes, white matter hyperintensities (WMH), and glymphatic dysfunction are subtype-specific. Cortical morphologic changes, WMH, and glymphatic dysfunction are inter-correlated. Cortical morphologic changes and WMH burden contribute to cognitive impairments.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».