Resting-State Brain Network Characteristics Related to Mild Cognitive Impairment: A Preliminary fNIRS Proof-of-Concept Study
Notice bibliographique
Résumé
Background: This study investigates the reliability of functional near-infrared spectroscopy (fNIRS) in detecting resting-state brain network characteristics in patients with mild cognitive impairment (MCI), focusing on static resting-state functional connectivity (sRSFC) and dynamic resting-state functional connectivity (dRSFC) patterns in MCI patients and healthy controls (HCs) without cognitive impairment. Methods: A total of 89 MCI patients and 83 HCs were characterized using neuropsychological scales. Subject sRSFC strength and dRSFC variability coefficients were evaluated via fNIRS. The study evaluated the feasibility of using fNIRS to measure these connectivity metrics and compared resting-state brain network characteristics between the two groups. Correlations with Montreal Cognitive Assessment (MoCA) scores were also explored. Results: sRSFC strength in homologous brain networks was significantly lower than in heterologous networks (p < 0.05). A significant negative correlation was also observed between sRSFC strength and dRSFC variability at both the group and individual levels (p < 0.001). While sRSFC strength did not differentiate between MCI patients and HCs, the dRSFC variability between the dorsal attention network (DAN) and default mode network (DMN), and between the ventral attention network (VAN) and visual network (VIS), emerged as sensitive biomarkers after false discovery rate correction (p < 0.05). No significant correlation was found between MoCA scores and connectivity measures. Conclusions: fNIRS can be used to study resting-state brain networks, with dRSFC variability being more sensitive than sRSFC strength for discriminating between MCI patients and HCs. The DAN-DMN and VAN-VIS regions were found to be particularly useful for the identification of dRSFC differences between the two groups. Clinical Trial Registration: ChiCTR2200057281, registered on 6 March, 2022; https://www.chictr.org.cn/showproj.html?proj=133808.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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 ».