Assessing grey matter structural alterations in systemic lupus erythematosus using synthetic MRI
Notice bibliographique
Résumé
OBJECTIVES: To assess brain grey matter alterations in patients with SLE and their correlation with neuropsychological testing using synthetic MRI (SyMRI). METHODS: This prospective study enrolled patients with SLE and age, gender and education-matched healthy controls (HC). Study assessments included brain MRI using SyMRI and neuropsychological tests: Mini-Mental State Examination (MMSE), Montreal Cognitive Assessment (MoCA), Digit Span Test, Self-Rating Anxiety Scale and Self-Rating Depression Scale (SDS). SyMRI post-processing and Automated Anatomical Labeling were used for grey matter mapping. Correlation analysis was performed to assess the relationship between brain grey matter structural alterations and neuropsychological testing. RESULTS: 77 patients with SLE (57 non-neuropsychiatric SLE (non-NPSLE), 20 NPSLE) and 29 HC participants were enrolled. Patients with SLE showed reduced grey matter volume compared with HC (p<0.05). The NPSLE group exhibited more extensive increases in longitudinal (T1) and transverse (T2) relaxation times in grey matter than the non-NPSLE group (p<0.001). Proton density values were lower in patients with SLE (p<0.001). Lower brain parenchymal volume correlated with higher SLE Disease Activity Index (p<0.05). Lower MMSE/MoCA scores correlated with increased T1/T2 in the left medial cingulate and paracingulate gyri (p<0.05). Higher SDS scores correlated with increased T1/T2 in the left calcarine fissure and surrounding cortex (p<0.05). These changes were also linked to disease markers (C3, C4, immunoglobulin M, erythrocyte sedimentation rate) (p<0.05). CONCLUSIONS: Grey matter alterations in patients with SLE correlate with cognitive impairment, depression and disease activity.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».