MétaCan
Menu
Retour à la cohorte
Enregistrement W4402983437 · doi:10.1001/jamaneurol.2024.2952

Brain Networks for Cortical Atrophy and Responsive Neurostimulation in Temporal Lobe Epilepsy

2024· article· en· W4402983437 sur OpenAlexaffabout
Sara Larivière, Frédéric Schaper, Jessica Royer, Raúl Rodríguez‐Cruces, Ke Xie, Jordan DeKraker, Alexander Ngo, Ella Sahlas, Judy Chen, Shahin Tavakol, William Drew, Mae Morton-Dutton, Aaron E. L. Warren, Sheena Baratono, John D. Rolston, Yifei Weng, Andrea Bernasconi, Neda Bernasconi, Luis Concha, Zhiqiang Zhang, Birgit Frauscher, Boris C. Bernhardt, Michael Fox

Notice bibliographique

RevueJAMA Neurology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Institute of Neurological Disorders and Stroke
Mots-clésTemporal lobeAtrophyNeuroimagingEpilepsyHippocampusMedicineDeep brain stimulationPsychologyNeuroscienceInternal medicineDiseaseParkinson's disease

Résumé

récupéré en direct d'OpenAlex

Importance: Drug-resistant temporal lobe epilepsy (TLE) has been associated with hippocampal pathology. Most surgical treatment strategies, including resection and responsive neurostimulation (RNS), focus on this disease epicenter; however, imaging alterations distant from the hippocampus, as well as emerging data from responsive neurostimulation trials, suggest conceptualizing TLE as a network disorder. Objective: To assess whether brain networks connected to areas of atrophy in the hippocampus align with the topography of distant neuroimaging alterations and RNS response. Design, Setting, and Participants: This retrospective case-control study was conducted between July 2009 and June 2022. Data collection for this multicenter, population-based study took place across 4 tertiary referral centers in Montréal, Canada; Querétaro, México; Nanjing, China; and Salt Lake City, Utah. Eligible patients were diagnosed with TLE according to International League Against Epilepsy criteria and received either neuroimaging or neuroimaging and RNS to the hippocampus. Patients with encephalitis, traumatic brain injury, or bilateral TLE were excluded. Main Outcomes and Measures: Spatial alignment between brain network topographies. Results: Of the 110 eligible patients, 94 individuals diagnosed with TLE were analyzed (51 [54%] female; mean [SD] age, 31.3 [10.9] years). Hippocampal thickness maps in TLE were compared to 120 healthy control individuals (66 [55%] female; mean [SD] age, 29.8 [9.5] years), and areas of atrophy were identified. Using an atlas of normative connectivity (n = 1000), 2 brain networks were identified that were functionally connected to areas of hippocampal atrophy. The first network was defined by positive correlations to temporolimbic, medial prefrontal, and parietal regions, whereas the second network by negative correlations to frontoparietal regions. White matter changes colocalized to the positive network (t93 = -3.82; P = 2.44 × 10-4). In contrast, cortical atrophy localized to the negative network (t93 = 3.54; P = 6.29 × 10-3). In an additional 38 patients (20 [53%] female; mean [SD] age, 35.8 [11.3] years) treated with RNS, connectivity between the stimulation site and atrophied regions within the negative network was associated with seizure reduction (t212 = -2.74; P = .007). Conclusions and Relevance: The findings in this study indicate that distributed pathology in TLE may occur in brain networks connected to the hippocampal epicenter. Connectivity to these same networks was associated with improvement following RNS. A network approach to TLE may reveal therapeutic targets outside the traditional target in the hippocampus.

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)0,001
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 enseignants0,141
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,295
Écart entre enseignants0,278 · 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

Citations22
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA NeurologyMême sujetNeurological disorders and treatmentsTravaux en français237 207