Brain Activation During Motor Preparation and Execution in Patients with Mild Cognitive Impairment: An fNIRS Study
Notice bibliographique
Résumé
Objectives: This study aimed to investigate how motor preparation impacted brain activation in individuals with differing cognitive statuses. Methods: We investigated the cortical activation pattern of 57 individuals with mild cognitive impairment (MCI) and 67 healthy controls (HCs) using functional near-infrared spectroscopy (fNIRS) during prepared walking (PW) and single walking (SW) tasks. The study focused on assessing brain activity in four regions of interest (ROIs): the prefrontal cortex (PFC), primary motor cortex, secondary motor cortex, and parietal lobe. Additionally, we examined the behavioral performance—gait speed—during the tasks, analyzed variations in cortical activation intensity, and conducted correlation analyses between Montreal Cognitive Assessment (MoCA) scores, gait speed, and oxygenation levels. Results: There was no significant difference in gait speed between patients with MCI and HCs. The MCI group exhibited lower activation in the primary motor cortex, secondary motor cortex, and parietal regions compared to HCs during the motor execution stage of PW (q < 0.05, FDR-corrected). Additionally, activation in the primary (r = 0.23, p = 0.02) and secondary motor cortices (r = 0.19, p = 0.04) during the motor execution stage of PW correlated significantly with MoCA scores. Furthermore, brain activity in the PFC (r = 0.22, p = 0.02), primary motor cortex (r = 0.22, p = 0.01), secondary motor cortex (r = 0.20, p = 0.02), and parietal lobe (r = 0.19, p = 0.03) during the motor preparation stage of gait was positively correlated with gait speed. Conclusions: Our results revealed that preparing for motor tasks modulated the neural activation patterns of patients with MCI and HCs without affecting their behavioral performance.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».