XiaoMi-AI文件搜索系统
World File Search SystemBSID
婴儿和幼儿发育的贝利量表的预测有效性2年以后的一般能力：来自巴基斯坦的农村，弱势群体的发现
使用来自巴基斯坦农村队列的数据（n = 1298），研究研究了婴儿和幼儿发育（BSID）的贝利量表的预测有效性（BSID）3 rd Edition在以后的一般能力测试中。BSID III分量表（认知，语言和运动）在2年时给予；使用Wechsler学前班的口头表现，表现和全尺度评分评估一般能力，4年（WPPSI）III，以及8年时Wechsler Intellions V量表（WISC）V的流体推理指数（FRI）。联合BSID子量表解释了WPPSI III全尺度变化的15％，言语量表的16％，绩效量表的7％和周五的1％。应谨慎使用BSID III分数，以预测未来的智力能力。
5Q-SMA
摘要。目的：许多研究一直发现，SMN蛋白表达降低不会严重影响SMA患者的认知功能。但是，在不同的研究中，SMA患者的平均智能商在以上范围低于平均水平。通过新生儿筛查确定的SMA患者的认知发展仍然很大未知。方法：在2018年1月至2020年12月之间，使用Bayley III（BSID）在2岁之后，通过新生儿筛查确定的39个家庭中的47名合格SMA患者（23名女性/17名男性）中有40名。平均年龄为29.25个月（23-42个月）。17例患者患有2、11例患者有3例和12例患者的SMN2份≥4例。结果：认知量表：平均94.55（SD 24.01）;语言量表：平均86.09（SD 26.41）;运动量表：81.28（SD 28.07）。总体而言，认知量表表明，有14名儿童低于平均水平，20名儿童为平均水平，6名儿童高于平均水平。10/14分数低于平均水平的儿童有2份SMN2副本。事后成对比较表明，与BSID的电动机主尺度相比，认知主量表对SMN2副本的数量的敏感性要高（M = 10.27，p = 0.014）。也有证据表明，认知得分高于语言主量表（M = 7.11，p = 0.090）。结论：尽管早期开始治疗，但SMA儿童的认知儿童的认知发展受损，但强调了SMN蛋白在大脑发育的早期阶段的关键作用。
静止状态脑电图脑活动在新生儿可以预测年龄，并且表明神经发育结果
目的：脑电图（EEG）可用于估计新生儿的生物脑时代。在月经年龄和脑年龄之间的差异，称为脑年龄差距，可能会导致成熟偏差。现有的大脑年龄EEG模型不太适合临床COT侧用途，用于估计新生儿的脑年龄间隙，因为它们依赖于相对较大的数据和预处理要求。方法：我们使用降低的数据要求培训了一种来自具有非神经开发的婴儿和幼儿发展（BSID）结果的早产新生儿的静止状态脑电图数据的深度学习模型。随后，我们在两个临床部位的两个独立数据集中测试了该模型。结果：在两个测试数据集中，仅使用单个通道的静息状态脑电图活动的20分钟，模型生成准确的年龄预测：平均绝对误差= 1.03周（p值= 0.0001）和0.98周（pValue = 0.0001）。在一个测试数据集中，在9个月的随访BSID结局中，严重异常结果组的平均新生儿脑年龄间隙显着大于正常结局组的平均脑年龄差异：平均脑年龄差距的差异差异= 0.50周（p-value = 0.04）。结论：这些发现表明，深度学习模型对来自两个临床部位的独立数据集进行了普遍性，并且模型的脑年龄间隙幅度在正常和严重的随访神经发育结果的新生儿之间有所不同。2024国际临床神经生理联合会。由Elsevier B.V.明显：新生儿大脑年龄间隙的幅度，仅使用单个通道的静息状态脑电图数据的20分钟来估算，可以编码临床神经发育价值的信息。这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
临床神经生理学-Lirias -Ku Leuven
目的：脑电图（EEG）可用于估计新生儿的生物脑时代。在月经年龄和脑年龄之间的差异，称为脑年龄差距，可能会导致成熟偏差。现有的大脑年龄EEG模型不太适合临床COT侧用途，用于估计新生儿的脑年龄间隙，因为它们依赖于相对较大的数据和预处理要求。方法：我们使用降低的数据要求培训了一种来自具有非神经开发的婴儿和幼儿发展（BSID）结果的早产新生儿的静止状态脑电图数据的深度学习模型。随后，我们在两个临床部位的两个独立数据集中测试了该模型。结果：在两个测试数据集中，仅使用单个通道的静息状态脑电图活动的20分钟，模型生成准确的年龄预测：平均绝对误差= 1.03周（p值= 0.0001）和0.98周（pValue = 0.0001）。在一个测试数据集中，在9个月的随访BSID结局中，严重异常结果组的平均新生儿脑年龄间隙显着大于正常结局组的平均脑年龄差异：平均脑年龄差距的差异差异= 0.50周（p-value = 0.04）。结论：这些发现表明，深度学习模型对来自两个临床部位的独立数据集进行了普遍性，并且模型的脑年龄间隙幅度在正常和严重的随访神经发育结果的新生儿之间有所不同。2024国际临床神经生理联合会。由Elsevier B.V.明显：新生儿大脑年龄间隙的幅度，仅使用单个通道的静息状态脑电图数据的20分钟来估算，可以编码临床神经发育价值的信息。这是CC下的开放访问文章（http://creativecommons.org/licenses/4.0/）。
