Grey Matter Volume and Fractional Anisotropy as Correlates of Cognitive Improvement in Traumatic Brain Injury Over a 6-Month Period
Notice bibliographique
Résumé
Abstract Objective In this study we explored how neuroimaging and blood biomarkers relate to cognitive recovery in traumatic brain injury (TBI) patients. Methods Sixteen participants with moderate to severe traumatic brain injury (TBI) were enrolled, with blood samples, MRI, and diffusion tensor imaging (DTI) collected at enrollment and six months. The Repeatable Battery for the Assessment of Neuropsychological Status (RBANS), Disability Rating Scale, and Montreal Cognitive Assessment (MoCA) were also administered at both time points to evaluate neuropsychological and functional outcomes. Results Fractional anisotropy (FA) in the genu (r s = 0.937, p = 0.002) and splenium of the corpus callosum (r s = 0.955, p < 0.001) was strongly correlated with changes in RBANS - Attention scores. Fornix FA was correlated with changes in RBANS - Total (r s = 0.928, p = 0.008), and left tapetum FA was correlated with changes in RBANS - Visuospatial scores (r s = 0.964, p < 0.001). Right temporal fusiform cortex grey matter (GM) volume was correlated with changes in RBANS - Attention scores (r s = 0.975, p = 0.005). Blood biomarkers did not show significance. Conclusion Imaging markers like FA and GM volume appear to help predict cognitive recovery in TBI, supporting the potential use of neuroimaging to guide rehabilitation strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».