Cognitive impairment mediates the white matter injury load and gait disorders in subcortical ischemic vascular disease
Notice bibliographique
Résumé
Gait disorders are common in patients with subcortical ischemic vascular disease (SIVD). We aim to explore the impact of white matter (WM) damage on gait disorders in SIVD. 21 SIVD patients and 20 normal controls (NC) were included in the study. Montreal Cognitive Assessment (MoCA) was used to evaluate general cognition, while Speed-Accuracy Trade-Off (SAT) was used to assess executive function. Gait velocity, cadence, and stride length were measured. Diffusion Tensor Imaging (DTI) data were analyzed using Tract-Based Spatial Statistics (TBSS) and Peak Width of Skeletonized Mean Diffusivity (PSMD). The relationships among WM damage, gait disorders, and cognitive function were examined through mediation analysis. SIVD scored lower than NC in MoCA and SAT tests (P < 0.001). Gait velocity and stride length were decreased in SIVD. SIVD had lower PSMD (P < 0.001). PSMD correlated with gait parameters, which were totally mediated by MoCA and partially mediated by SAT. The fractional anisotropy (FA) and mean diffusivity (MD) of the genu of the corpus callosum (GCC) and body of CC (BCC) were correlated with gait parameters. The FA of the bilateral anterior corona radiata (ACR) was positively correlated with gait parameters, while the MD of the bilateral superior corona radiata (SCR), bilateral superior longitudinal fasciculus (SLF), and left external capsule (EC) were negatively correlated with them (P < 0.05). Gait impairments in SIVD were associated with cognitive deficits. Cognitive impairment mediated the WM damage and gait disorders. The microstructural alterations of CC, SLF, EC, and CR may be related to changes in gait.
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) | 0,000 | 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 ».