MétaCan
Menu
Retour à la cohorte
Enregistrement W4402825920 · doi:10.1007/s00330-024-11089-5

Quantitative MRI distinguishes different leukodystrophies and correlates with clinical measures

2024· article· en· W4402825920 sur OpenAlexaff
Menno D. Stellingwerff, Murtadha L. Al‐Saady, Kwok‐Shing Chan, Adam Dvorak, José P. Marques, Shannon Kolind, Daphne H. Schoenmakers, Romy van Voorst, Stefan D. Roosendaal, Frederik Barkhof, Nicole I. Wolf, Johannes Berkhof, Petra J. W. Pouwels, Marjo S. van der Knaap

Notice bibliographique

RevueEuropean Radiology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA regulation and disease
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesHersenstichtingNederlandse Organisatie voor Wetenschappelijk OnderzoekUniversity College London Hospitals NHS Foundation TrustZonMwNational Institute for Health and Care Research
Mots-clésWhite matterDiffusion MRINeuroradiologyMedicineRelaxometryFractional anisotropyNeurologyNuclear medicineMagnetic resonance imagingMultiple sclerosisNuclear magnetic resonancePathologyRadiologySpin echo

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The leukodystrophy "vanishing white matter" (VWM) and "metachromatic leukodystrophy" (MLD) affect the brain's white matter, but have very different underlying pathology. We aim to determine whether quantitative MRI reflects known neuropathological differences and correlates with clinical scores in these leukodystrophies. METHODS: VWM and MLD patients and controls were prospectively included between 2020 and 2023. Clinical scores were recorded. MRI at 3 T included multi-compartment relaxometry diffusion-informed myelin water imaging (MCR-DIMWI) and multi-echo T2-relaxation imaging with compressed sensing (METRICS) to determine myelin water fractions (MWF). Multi-shell diffusion-weighted data were used for diffusion tensor imaging measures and neurite orientation dispersion and density imaging (NODDI) analysis, which estimates neurite density index, orientation dispersion index, and free water fraction. As quantitative MRI measures are age-dependent, ratios between actual and age-expected MRI measures were calculated. We performed the multilevel analysis with subsequent post-hoc and correlation tests to assess differences between groups and clinico-radiological correlations. RESULTS: Sixteen control (age range: 2.3-61.3 years, 8 male), 37 VWM (2.4-56.5 years, 20 male), and 14 MLD (2.2-41.7 years, 6 male) subjects were included. Neurite density index and MWF were lower in patients than in controls (p < 0.001). Free water fraction was highest in VWM (p = 0.01), but similar to controls in MLD (p = 0.99). Changes in diffusion tensor imaging measures relative to controls were generally more pronounced in VWM than in MLD. In both patient groups, MCR-DIMWI MWF correlated strongest with clinical measures. CONCLUSION: Quantitative MRI correlates to clinical measures and yields differential profiles in VWM and MLD, in line with differences in neuropathology. KEY POINTS: Question Can quantitative MRI reflect known neuropathological differences and correlate with clinical scores for these leukodystrophies? Finding Quantitative MRI measures, e.g., MWF, neurite density index, and free water fraction differ between leukodystrophies and controls, in correspondence to known histological differences. Clinical relevance MRI techniques producing quantitative, biologically-specific, measures regarding the health of myelin and axons deliver more comprehensive information regarding pathological changes in leukodystrophies than current approaches, and are thus viable tools for monitoring patients and providing clinical trial outcome measures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,370

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,289
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean RadiologyMême sujetRNA regulation and diseaseTravaux en français237 207