195 Arbeiten
Die Neurologie erforscht das komplexeste Organ unseres Körpers: das Gehirn und das Nervensystem. In diesem Bereich werden Studien durchgeführt, die alles von der Entstehung von Krankheiten wie Parkinson und Alzheimer bis hin zu den Mechanismen von Schlaganfällen und seltenen neurologischen Störungen beleuchten. Diese Forschung liefert entscheidende Einblicke, wie wir denken, fühlen und uns bewegen, und ebnet den Weg für innovative Behandlungsansätze.
Auf Gist.Science haben wir diesen Prozess für Sie vereinfacht. Wir durchsuchen täglich medRxiv, die führende Plattform für medizinische Vorveröffentlichungen, und bearbeiten jedes neue Papier in der Kategorie Neurologie. Für jeden Beitrag erstellen wir eine verständliche Zusammenfassung in einfacher Sprache sowie eine detaillierte technische Analyse, damit Sie die neuesten Erkenntnisse sofort nachvollziehen können, ohne in Fachjargon zu versinken.
Hier finden Sie die aktuellsten Forschungsarbeiten aus dem Bereich der Neurologie, die wir kürzlich für Sie aufbereitet haben.
Diese Studie zeigt, dass die Dynamik des Liquor cerebrospinalis durch nichtinvasive Schlafphysiologie-Signale wie EKG und PPG präzise rekonstruiert werden kann, wodurch ein skalierbarer, tragbare-kompatibler digitaler Biomarker etabliert wird, der die Einschränkungen aktueller invasiver oder teurer Bildgebungsverfahren überwindet.
Unter Verwendung des Epic Cosmos Netzwerks für federierte elektronische Gesundheitsakten charakterisiert diese Studie bevölkerungsbezogene Trends bei psychiatrischen Medikamenten-Kombinationsverschreibungen bei Personen mit Epilepsie von 2018 bis 2025, wobei stabile Antiepileptika-Muster, höhere Raten der gleichzeitigen psychiatrischen Arzneimittelanwendung im Vergleich zu Asthmapatienten sowie ausgeprägte alterspezifische Verschreibungsprofile aufgezeigt werden, die einen Rahmen für die Überwachung psychiatrischer Komorbiditäten und Arzneimittelinteraktionen etablieren.
Diese Studie etabliert ein validiertes pro-Subjekt-Kalibrierungsframework für das Zmax tragbare EEG-Headband unter Verwendung des Wearanize+-Datensatzes und zeigt auf, dass das Gerät zwar die spektrale Leistung systematisch unterschätzt und spezifische Anpassungen für die Spindeldetektion erfordert, aber nach einer N2-referenzierten Kalibrierung eine starke Übereinstimmung mit der Polysomnographie erreicht und somit eine zuverlässige häusliche Forschung zu Schlafbiomarkern ermöglicht.
Diese Regressions-Diskontinuitäts-Analyse englischer und walisischer Daten zeigt, dass die Berechtigung für den Lebendimpfstoff gegen Gürtelrose die im Krankenhaus kodierten Gürtelrose-Diagnosen zwar signifikant reduzierte, jedoch keinen nachweisbaren Effekt auf die im Krankenhaus kodierten Demenz-Diagnosen hatte.
Diese Studie zeigt, dass die automatisierte Erkennung von motorischen Sprachstörungen machbar und klinisch vielversprechend ist, wobei vortrainierte Modelle wie HuBERT und artikulatorisch informierte Phonetik-Merkmale die statischen akustischen Merkmale bei der binären Klassifizierung signifikant übertreffen, während sie bei der Multi-Label-Subtypklassifizierung über unabhängige Datensätze hinweg eine eher begrenzte Stabilität aufweisen.
Diese Studie identifiziert reduzierte Plasmawerte des im Gehirn gebildeten Metaboliten 24S-Hydroxycholesterin bei Patienten mit manifester Huntington-Krankheit im Vergleich zu prämanifesten und gesunden Gruppen, was dessen potenziellen Nutzen als Biomarker zur Überwachung der Krankheitsprogression und zur Unterscheidung von Krankheitsstadien durch diagnostische Modellierung nahelegt.
Diese retrospektive Studie an 291 Patienten in einem Zentrum der Maximalversorgung ergab, dass routinemäßige kranielle Computertomographien bei akutem Schwindel zwar eine geringe diagnostische Ausbeute haben, spezifische klinische Prädiktoren wie Ataxie, Kopfschmerz und Diabetes jedoch effektiv Patienten mit einem höheren Risiko für eine zentrale Pathologie identifizieren können, während isolierte vestibuläre Symptome wie Übelkeit und Erbrechen auf eine geringere Wahrscheinlichkeit abnormaler Befunde hindeuten.
Diese Studie zeigt, dass Deep-Learning-Algorithmen, insbesondere PLAn-FL und nnU-Net, Machine-Learning-Methoden bei der präzisen Segmentierung von White-Matter-Läsionen auf tragbaren 64mT-MRT-Scans übertreffen, wobei die resultierenden Volumenmessungen signifikante Korrelationen zu klinischen Behinderungsgraden bei Multiple-Sklerose-Patienten aufweisen.
Diese Studie zeigt, dass systematisch aus den elektronischen Gesundheitsakten des VA Million Veteran Programms extrahierte Scores des Mini-Mental-State-Examination (MMSE) valide für die Forschung zum kognitiven Altern sind, da sie signifikante Assoziationen mit dem APOE ε4-Status und Demenzdiagnosen über verschiedene Abstammungsgruppen hinweg aufweisen.
Diese Studie zeigt, dass aus selbstüberwachten Sprachrepräsentationen, insbesondere WavLM, abgeleitete Scores zur Aussprachegüte als überlegene objektive Marker zur Bewertung der Schwere von Sprachstörungen bei motorischen Sprechstörungen im Vergleich zu traditionellen akustischen Merkmalen und phonologischen Posterior-Wahrscheinlichkeiten dienen, während sie gleichzeitig eine starke Übereinstimmung mit perzeptiven Bewertungen von Distorsion und Intelligibilität aufweisen.