Patterns of cortical thickness in MCI patients with and without semantic impairment
Notice bibliographique
Résumé
• Half of MCI patients have deficits in semantic memory, which may harbinger progression to AD. • Semantic deficits in MCI are linked to reduced cortical thickness in key regions of the semantic network. • Reduced cortical thickness was found in the lateral, anterior temporal lobes, and the left parahippocampal cortex in MCI patients with semantic deficits. About half of MCI patients experience semantic deficits, which may predict progression to Alzheimer’s disease (AD). The neural basis of these deficits in MCI is not well understood. This study aimed to examine the relationship between semantic memory performance and cortical thickness in MCI patients. Using FreeSurfer, T1-weighted MRI scans were analyzed from MCI patients with (MCIsem+) and without (MCIsem-) semantic deficits. Correlation analyses across all participants, including healthy controls, examined the link between semantic memory and cortical thickness, controlling for age and education. Group comparisons of cortical thickness were also conducted between MCIsem+ and MCIsem- groups. Significant correlations emerged between semantic memory performance and cortical thickness in the left medial temporal lobe, right temporal pole, and bilateral frontal regions—areas involved in central semantic and executive processes. Additionally, MCIsem + patients showed reduced cortical thickness in frontal, parietal, and occipital areas compared to MCIsem- patients. Semantic memory performance in MCI patients is associated with structural differences in regions supporting both central and executive aspects of semantic processing. Given that MCIsem + patients may face higher risk of AD progression, longitudinal studies should investigate these cortical markers’ predictive value.
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 ».