Fractional Anisotropy Alterations in Key White Matter Pathways Associated with Cognitive Performance Assessed by MoCA
Notice bibliographique
Résumé
Objectives: This study investigated fractional anisotropy (FA) differences within key white matter tracts across patient groups stratified by Montreal Cognitive Assessment (MoCA) scores, aiming to evaluate FA’s potential as a biomarker for cognitive impairment. Methods: Seventy participants (aged 57–96 years) were categorized into high (HP, MoCA ≥ 26), moderate (MP, MoCA 18–25), and low (LP, MoCA < 18) cognitive performance groups. Diffusion Tensor Imaging (DTI) was used to obtain FA values in corticospinal tracts, superior longitudinal fasciculus, inferior fronto-occipital fasciculus, and cingulum. Statistical analyses included ANOVA and post-hoc tests. Results: Significant differences in FA values and normative percentiles were observed across cognitive groups in several tracts. Notably, the MP group exhibited significantly higher FA values in the Left Superior Longitudinal Fasciculus—Arcuate (mean FA 0.329 vs. LP 0.306, p = 0.033) and Right Superior Longitudinal Fasciculus—Arcuate (mean FA 0.329 vs. LP 0.306, p = 0.009), Left Inferior Fronto-Occipital Fasciculus (mean FA 0.308 vs. LP 0.283, p = 0.021), and Right Inferior Fronto-Occipital Fasciculus (mean FA 0.289 vs. LP 0.266, p = 0.017) compared to the LP group. Conclusions: Our findings reveal significant FA alterations across MoCA-defined cognitive groups, with moderate impairment showing higher FA than low performance. This suggests FA may reflect complex microstructural changes in early cognitive decline. While our modest sample size, particularly in the low-performance group, limits definitive conclusions, these results highlight the need for larger, multimodal studies to validate FA’s role as a sensitive, albeit complex, biomarker for cognitive impairment.
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 ».