Reproducibility of HERMES-measured GABA+ and glutathione in the mesial temporal lobe
Notice bibliographique
Résumé
BACKGROUND: There is growing interest in using Hadamard Encoding and Reconstruction for MEGA-Edited Spectroscopy (HERMES) within the mesial temporal lobe (MTL). For cross-sectional group comparisons and longitudinal repeated measures designs, an understanding of the internal and test-retest validity of γ-aminobutyric acid (GABA+) and glutathione (GSH) is critical. We therefore evaluated the reproducibility of the consensus recommended semi-localization by adiabatic selective refocusing (sLASER) localization for edited-MRS acquisitions in a challenging region, the MTL. NEW METHOD: Data were acquired in 15 participants. Single voxel HERMES was collected in the left MTL (two acquisitions) and the right MTL (one acquisition). Participants were repositioned between the two left HERMES acquisitions. An ANOVA was used to assess differences between acquisitions. To assess measurement variation in the repeated left of GABA+ and GSH measures within the left MTL difference values and coefficients of variation (CVs) were calculated. RESULTS: There were no significant differences in metabolite values between any of the acquisitions. The mean difference between the metabolite measures from the repeated left acquisitions centred close to zero, and the average CVs were 14.09 % for GABA+ and 18.94 % for GSH. COMPARISON WITH EXISTING METHODS: The CVs of GABA+ and GSH in the MTL obtained from a HERMES acquisition were comparable to GABA+ or GSH-edited acquisitions in this region, and to data from cortical voxels using HERMES acquisitions. CONCLUSIONS: This supports the use of HERMES in the MTL, a challenging region for MRS. However, larger samples and caution in interpretation may be required in repeated-measures designs.
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 | 0,007 | 0,003 |
| 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 | 0,000 |
| 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 ».