Phonological decoding ability is associated with fiber density of the left arcuate fasciculus longitudinally across reading development
Notice bibliographique
Résumé
Numerous studies have linked reading ability to white matter microstructure using diffusion tensor imaging, but findings have been inconsistent and lack specificity. Fiber-specific diffusion-weighted magnetic resonance imaging (dMRI) models offer enhanced precision in measuring specific microstructural features, but they have not yet been applied to examine associations between reading ability and white matter microstructure development as children learn to read. We applied constrained spherical deconvolution (CSD) and fiber-specific modelling to characterize developmental changes in fiber density of key white matter tracts of the reading network, and investigated associations between tract-wise fiber density and children's phonological decoding abilities. Fiber density was measured from ages 2-13 years, and decoding ability (pseudoword reading) was assessed at ages 6 years and older. Higher decoding ability was associated with greater fiber density in the left arcuate fasciculus, and effects remained consistent over time. Follow-up analysis revealed that asymmetry changes in the arcuate fasciculus were moderated by decoding ability: good decoders showed leftward asymmetry from early childhood onward, while poorer decoders shifted toward leftward asymmetry over time. These results suggest that densely organized fibers in the left arcuate fasciculus serve as a foundation for the development of reading skills from the pre-reading stage through fluent reading.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».