White matter microstructural alterations are associated with cognitive decline in benzodiazepine use disorders: a multi-shell diffusion magnetic resonance imaging study
Notice bibliographique
Résumé
Background: Benzodiazepine use disorders (BUDs) have become a public health issue that cannot be ignored. We aimed to demonstrate that patients with BUDs might undergo changes in white matter (WM) integrity, which are related to impaired cognitive function. Methods: We used diffusion tensor imaging (DTI), diffusion kurtosis imaging (DKI), neurite orientation dispersion and density imaging (NODDI), and mean apparent propagator (MAP) to observe changes in WM structure from 29 patients with sleep disorders with BUD (SDBUD), 33 patients with sleep disorders with non-BUD (SDNBUD), and 25 healthy participants. We also compared the diagnostic performance of the diffusion metrics and models in predicting the status of BUDs and evaluated the relationship between WM changes and cognitive impairment. Results: BUD was closely associated with WM damage in the corpus callosum (CC) and pontine crossing tract (PCT). There were 14 main diffusion metrics that could be used to predict BUD status (P=0.001-0.023). DTI, DKI, NODDI, and MAP had similar satisfactory performance for predicting BUD status (P=0.001-0.021). Pearson correlation analysis showed a close relationship between the Trail Making Test B (TMT-B) and DTI/NODDI metrics in the splenium of the CC and PCT and between the Montreal Cognitive Assessment (MoCA) and MAP metrics in the splenium of the CC in the SDBUD group (P=0.008-0.040). Conclusions: Our findings provide evidence for the neurobiological mechanism of benzodiazepine addiction and a novel method for the clinical diagnosis of BUDs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».