The role of white matter bundles from the dual-stream system in the language recovery of post-stroke aphasia
Bibliographic record
Abstract
L’aphasie est un trouble du langage acquis qui survient le plus fréquemment comme conséquence d'un accident vasculaire cérébral (AVC), une lésion vasculaire aiguë dans le cerveau. Ce trouble se manifeste à travers des symptômes tels que des déficits de la production ou de la compréhension du langage, et il est estimé qu'environ 20% des survivants d'un AVC présenteront des symptômes d'aphasie à long terme. Au cours des vingt dernières années, des nombreuses recherches ont tenté d'établir quels facteurs peuvent déterminer le niveau de sévérité de l'aphasie à différents moments, dans le but de prédire la trajectoire de récupération et que les survivants puissent recevoir des interventions plus individualisées. À ce jour, on compte des facteurs cliniques (par exemple, degré initial de sévérité), des facteurs liés à la lésion (par exemple, étendue de la lésion ou sa localisation dans le cerveau) et des facteurs démographiques (par exemple, âge, éducation ou sexe). Une ligne de recherche récente s'est intéressée à la relation entre les lésions et les faisceaux de matière blanche dans le cerveau et la récupération langagière, en utilisant l'imagerie par résonance magnétique de diffusion (IRMd), qui permet de reconstruire les faisceaux de la matière blanche. D’après une des théories prédominantes sur les corrélats neuronaux du langage (le "modèle à double voie"), les chercheurs ont également tenté de relier les déficits de l'aphasie post-AVC aux faisceaux formant ces deux voies, à savoir une voie ventrale et une voie dorsale. Bien que des études pointent vers une relation entre l'intégrité des faisceaux formant ces voies et de meilleurs performances langagières, des divergences existent dans les méthodes de neuroimagerie, l'évaluation du langage et la chronologie des mesures pour confirmer ces associations. Cette thèse a pour objectif d'étudier l'association entre les mesures à la phase aiguë de l'aphasie post-AVC (dans les jours suivant le début de l'AVC), comprenant des mesures langagières, démographiques, liées à la lésion et dérivées de l’IRMd avec les résultats tout au long de la trajectoire de récupération. Nous avons l’objectif de décrire comment ces mesures pourraient prédire les capacités au temps subaigu (dans les 1 à 2 semaines suivant le début de l’AVC), et chronique (au moins 6 mois après l'AVC), et d’investiguer quelles différences existent entre les capacités langagières à chaque moment et chaque période de récupération (le temps défini entre deux moments d’évaluation). Cela nous a permis d'étudier l'évolution du langage dans l'aphasie post-AVC au cours de trois moments clés dans la récupération (temps aigu, subaigu et chronique), couvrant deux périodes de récupération (les phases de récupération précoce et tardive). Nous avons mené trois études pour répondre à ces questions. Dans notre première étude, nous avons exploré comment les mesures aiguës pouvaient prédire les habiletés langagières subaiguës. Nos résultats ont montré que la taille de la lésion, les mesures de diffusion du fascicule arqué droit et la sévérité aiguë de l'aphasie étaient corrélées avec les capacités en temps subaigu, et une analyse de régression utilisant ces prédicteurs ainsi que des covariables a montré une bonne explication de la variance, où la sévérité initiale de l'aphasie s’avère le meilleur prédicteur. Dans notre deuxième étude, nous avons mené une revue narrative de la littérature pour tenter de définir quelles mesures de diffusion étaient les plus stables à travers la résolution de la pathophysiologie de l'AVC. Cette revue a montré que certaines mesures peuvent être plus sensibles aux phénomènes pathophysiologiques sous-jacents liés à l'AVC, et nous a aidé à décider quelles mesures seraient plus pertinentes pour les analyses ultérieures. Enfin, notre troisième étude visait à comparer le potentiel de prédiction des résultats langagières subaigus et chroniques à l'aide de nos mesures aiguës, y compris des mesures de diffusion provenant de faisceaux appartenant aux deux voies fonctionnelles, en plus des prédicteurs que nous avions déjà utilisés dans notre première étude. Dans cette dernière étude, les cibles langagières ont été définies comme les capacités langagières à un temps d’évaluation, ou le changement entre deux temps. Nos résultats ont montré que les mesures extraites des faisceaux de matière blanche étaient dissociées par type de mesure de récupération, mais non pas par période ou temps d’évaluation. Ces résultats suggèrent que des faisceaux des deux voies peuvent être impliqués tout au long du processus de récupération, et que leur rôle sous-jacent dans la récupération est soit de soutenir la performance des capacités langagières, soit de soutenir l'amélioration de ces capacités. Enfin, nos résultats suggèrent également que la lésion peut avoir un impact important sur l'association entre les faisceaux et le langage, et nous croyons que l'investigation de ce facteur améliorerait les futures recherches sur les modèles de prédiction de l'aphasie post-AVC. Nous discuterons dans cette thèse sur comment ces résultats peuvent aborder des questions sur la neuro-récupération chez les personnes atteintes d'aphasie post-AVC, ainsi que l'utilité de nos méthodes pour des recherches futures.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".