Associations between iron and mean kurtosis in iron-rich grey matter nuclei in aging
Notice bibliographique
Résumé
Elevated kurtosis values have been observed in subcortical grey matter structures of patients with neurodegenerative diseases. Here, we examined relationships between iron measures and kurtosis in iron-rich subcortical grey matter structures.Please check and confirm the affiliation 4 for the author "Xiaoping P. Hu".Affiliation 4 for Xiaoping P. Hu was incorrect since he is not associated with that department. We have removed this affiliation. Thanks! Multi-shell diffusion and multi-echo gradient echo acquisitions were used to derive mean kurtosis and iron measures ( R 2 * and magnetic susceptibility), respectively, in subcortical grey matter nuclei and white matter tracts in a discovery cohort (110 healthy older and 63 younger adults) and replication cohort (72 healthy older adults).Please confirm if the author names are presented accurately and in the correct sequence (Ilana J. Bennett and Xiaoping P. Hu). Also, kindly confirm the details in the metadata are correct.Thanks for asking. We've checked and the names are presented accurately and in the correct sequence. We have corrected some details in the metadata - adding an affiliation to Murphy Shao (Department of Physics) and removing the Materials Science and Engineering affiliation for Xiaoping P. Hu. Is it possible to add an orcid id for Vala Masjedizadeh? His Orcid ID is 0009-0009-3692-2553 Everything else looks okay Iron-rich grey matter regions exhibited higher mean kurtosis, R 2 *, and magnetic susceptibility and white matter regions had lower mean kurtosis in the older adult group from the discovery cohort. In both cohorts, mean kurtosis was significantly correlated with R 2 * and magnetic susceptibility in iron-rich grey matter nuclei. No association was seen between signal-to-noise ratio and mean kurtosis in any grey matter region, indicating that the increase in mean kurtosis was not due to reduced signal-to-noise. As keywords are mandatory for this journal, please provide 3-6 keywords.I'm not sure where to put the keywords so I'll reply to the query with the keywords. Our keywords are: kurtosis, iron, grey matter, aging Our findings indicate that kurtosis is associated with iron-sensitive metrics in iron-rich grey matter structures, suggesting that iron deposits may be contributing to kurtosis.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».