Evaluation of MRI-based brain oxygen extraction fraction mapping in patients with systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVE: We aim to assess the cerebral oxygen extraction fraction (OEF) changes in patients with systemic lupus erythematosus (SLE) and neuropsychiatric SLE (NPSLE) by using an MRI-based technique and examine the relationship between OEF and cognition. METHODS: 43 SLE patients (18 NPSLE and 25 non-NPSLE) and 26 healthy controls (HC) were recruited. Cognitive function was assessed via the Montreal Cognitive Assessment (MoCA). OEF was calculated by quantitative susceptibility mapping plus quantitative blood oxygen level-dependent model (QQ). Whole-brain voxel-wise analysis of OEF was performed. In subcortical grey matter structures, regional OEF values were measured, and their relationship with MoCA scores was explored. RESULTS: Whole-brain voxel-wise analysis revealed significant changes of OEF primarily in the limbic system, including the orbitofrontal cortex and bilateral insular lobes, among HC, non-NPSLE and NPSLE groups. Regional analysis indicated reduced OEF values in subregions of the amygdala, hippocampus and caudate nucleus in non-NPSLE compared with HC, with decreasing trends observed in all selected regions of subcortical grey matter structures. In the right hippocampus, OEF values were increased in NPSLE patients compared with non-NPSLE patients. Considering all subjects in the study, OEF values in the bilateral medial amygdalae, right lateral amygdala, left rostral hippocampus and right dorsal caudate nucleus were positively correlated with MoCA scores. CONCLUSION: Cerebral OEF mapping in patients with SLE is readily available using the MRI-based QQ method, which has the potential to serve as an adjunctive tool for diagnosing NPSLE and monitoring cognitive impairment in SLE.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».