Associations between white matter asymmetry and communication skills in children with prenatal alcohol exposure
Notice bibliographique
Résumé
BACKGROUND: Prenatal alcohol exposure (PAE) occurs in ~10 % of pregnancies and can cause behavioral and neurological deficits, including alterations to white matter pathways involved in language processing. Language and communication skills are generally left-lateralized in the brain, and this asymmetry is associated with better performance in typically developing individuals, while alterations to this association are found in children with language challenges. However, the degree of asymmetry and its relationship with language skills remain poorly understood in children with PAE. METHODS: 200 datasets collected from 98 children (46 with PAE) aged 4-8 years were included here. Language skills were assessed using the Children's Communication Checklist, 2nd edition (CCC-2) parent report. Diffusion MRI was used to examine white matter microstructure and asymmetry in five major language white matter pathways. Measures of white matter microstructure were extracted (fractional anisotropy and mean diffusivity), and a laterality index was calculated. Linear mixed models were used to test associations between language scores and white matter laterality, and whether PAE moderates this relationship. RESULTS: Children with PAE had lower language scores than controls across all CCC-2 indices. Both groups had similar patterns of white matter asymmetry; however, leftward white matter lateralization was associated with worse language scores in children with PAE, but better language scores in unexposed children. CONCLUSION: Our findings show alterations to the white matter asymmetry-language relationship in children with PAE. This may indicate an altered language processing mechanism that could underlie language deficits observed in many individuals with PAE.
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 | 0,000 |
| 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 ».