کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8687581 1580948 2018 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting language outcomes after stroke: Is structural disconnection a useful predictor?
ترجمه فارسی عنوان
پیش بینی نتایج زبان پس از سکته مغزی: آیا قطع ارتباط ساختاری یک پیش بینی مفید است؟
ترجمه چکیده
ما هیچ شواهد سازنده ای را نشان ندادیم که داده های خرابی اتصالات در این مدل ها توانایی ما برای پیش بینی هر نمره زبان را بهبود بخشید. این ممکن است به این دلیل است که متغیرهای اختلال اتصال به شدت با متغیرهای بارگذاری ضایعات مرتبط هستند: همبستگی هایی که ما در هر دو جفت متغیرها در فرم اصلی و بین مولفه های اصلی هر دو مجموعه داده ها اندازه گیری می کنیم. نتیجه گیری ما این است که در حالی که هر دو نوع اطلاعات مغز ساختاری اطلاعات مفید و پیش آگهی در این حوزه را انتقال می دهند، به نظر می رسد که آنها نیز به طور واریانس یکسان را بیان می کنند. ما نتیجه گرفتیم که متغیرهای اختلال اتصال، ما را به پیش بینی مهارت های زبان های بیمار دقیق تر از دادههای مکان (بار) آسیب نمی رسانند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی روانپزشکی بیولوژیکی
چکیده انگلیسی
We found no consistent evidence that connectivity disruption data in these models improved our ability to predict any language score. This may be because the connectivity disruption variables are strongly correlated with the lesion load variables: correlations which we measure both between pairs of variables in their original form, and between principal components of both datasets. Our conclusion is that, while both types of structural brain data do convey useful, prognostic information in this domain, they also appear to convey largely the same variance. We conclude that connectivity disruption variables do not help us to predict patients' language skills more accurately than lesion location (load) data alone.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: NeuroImage: Clinical - Volume 19, 2018, Pages 22-29
نویسندگان
, , ,