Thalamic Atrophy As A Predictor Of Cognitive Impairment In Early Stage Of Relapsing : Remitting Multiple Sclerosis (RRMS)
Notice bibliographique
Résumé
Introduction: Previous imaging and neuropathological studies have demonstrated thalamic involvement in multiple sclerosis. Cognitive deficits worsen the quality of life in multiple sclerosis and may be predicted by deep gray matter atrophy, especially in the thalamic region. This relationship has not been widely studied in the early stage of the disease. Objectives: The aims of this study were to: 1) assess cognitive deficits in patients with early stage relapsing-remitting multiple sclerosis (RRMS) using neuropsychological tests, 2) search for thalamic atrophy on brain MRI, 3) test for correlations between cognitive functions and volumetric parameters of thalamus. Methods: 60 patients (46 F, 14 M) with RRMS at an early clinical stage (median EDSS - Expanded Disability Status Scale score of 1,75) underwent neuropsychological assessment using computerized cognitive screening battery (Central Nervous System Vital Signs) and MoCa (Montreal Cognitive Assessment). Brain structures volumetry was done using automatic segmentation technique (volBrain) with 1,5T MR system acquisition. The length of the disease and the number of relapses were noted. Results: Psychomotor speed, reaction time and information processing speed were the most impaired cognitive functions in RRMS patients. For the three cognitive domains: psychomotor speed, complex attention and simple attention, thalamic area was the most sensitive MRI marker. Decreases of total thalamus volume ware associated with overall neurocognitive status of RRMS patients. Conclusions: These findings suggest that thalamic atrophy may be a clinically meaningful biomarker of cognitive decline in patients with early stage of RRMS.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,036 | 0,017 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,002 | 0,016 |
| Science ouverte | 0,010 | 0,013 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».