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.
Dieses Papier präsentiert die Entwicklung eines zehnstufigen Core Outcome Sets für leichte kognitive Beeinträchtigung (MCI-COS) durch einen Multistakeholder-Delphi-Konsensprozess mit dem Ziel, patientenrelevante Ergebnisse in der zukünftigen Forschung und klinischen Praxis zu standardisieren und zu priorisieren.
Diese Studie zeigt, dass sich die Marker der Darmpermeabilität LBP und sCD14 zwar nicht nach asiatischen LRRK2-Risikovarianten bei Morbus Parkinson unterscheiden, jedoch signifikant mit systemischer Entzündung und klinischer Schwere assoziiert sind, wodurch LBP als ein Schlüsselmarker der Entzündungslast bei Parkinson-Patienten identifiziert wird.
Das Paper stellt geneXplore vor, einen frei zugänglichen, interaktiven Webbrowser, der den Mangel an dedizierten Werkzeugen für genomweite Assoziationsstudien des X-Chromosoms adressiert, indem er eine systematische Exploration von Zusammenfassungsstatistiken über 1.944 Phänotypen hinweg ermöglicht und spezifische Unterstützung zur Unterscheidung von zufälliger X-Inaktivierung, Escape aus der X-Inaktivierung sowie geschlechtsspezifischen Analysen bietet.
Diese systematische Übersichtsarbeit über 59.621 Erwachsene zeigt, dass der Mechanismus des Schädel-Hirn-Traumas die langfristige funktionelle Unabhängigkeit signifikant beeinflusst, wobei Freizeitverletzungen die besten Ergebnisse und penetrierende Traumata die ungünstigste funktionelle Erholung zur Folge haben.
Diese Studie zeigt, dass ein datengesteuerter transdiagnostischer Ansatz mittels Single-Visit-MRT drei unterschiedliche Hirnatrophie-Subtypen bei Morbus Alzheimer und der Lewy-Körper-Demenz identifizieren kann, was trotz unvollkommener Übereinstimmung mit klinischen Diagnosen ein vielversprechendes Werkzeug für das in vivo biologische Staging und die Subtypisierung darstellt.
Durch den Einsatz von High-Throughput-SomaScan-Assays in großen Kohorten identifizierte diese Studie spezifische Blutproteine im Zusammenhang mit synaptischer Plastizität und lysosomaler Funktion, die den Fortschritt zu Demenz bei Parkinson-Krankheit Jahre vor dem Auftreten klinischer Symptome vorhersagen, wobei eine Mendelsche Randomisation auf einen kausalen Zusammenhang zwischen dem Nogo-Rezeptor RTN4R und Lewy-Körper-Demenz nahelegt.
Durch den Einsatz neuartiger Aufgaben und Mixed-Model-Läsions-Symptom-Mapping bei Patienten mit Frontotemporaler Demenz zeigt diese Studie, dass der anteriore Temporallappen als domänenübergreifender semantischer Hub dient, während ventrale präfrontale und insuläre Regionen spezifisch soziale Konzepte unterstützen.
Diese Studie zeigt, dass die Anwendung eines Machine-Learning-Klassifikators auf Handgelenk-Akzelerometriedaten in der UK Biobank effektiv Personen mit REM-Schlaf-Verhaltensstörungen identifiziert, die ein signifikant erhöhtes, dosisabhängiges Risiko für die Entwicklung der Parkinson-Krankheit aufweisen, und damit eine skalierbare und überlegene Alternative zu Fragebogen-basierten Screenings zur Anreicherung prodromaler Risiken bietet.
Diese Studie zeigt, dass ein interpretierbares, L1-regularisiertes logistisches Regressionsmodell, das hemisphärische Asymmetriefunktionen aus der strukturellen MRT nutzt, eine statistisch signifikante Genauigkeit bei der Detektion der fokalen kortikalen Dysplasie erreichen kann und somit eine transparente sowie anatomisch fundierte Alternative zu komplexen Deep-Learning-Ansätzen für die präoperative Epilepsie-Evaluation bietet.
Diese Arbeit präsentiert die Entwicklung und Validierung einer spezialisierten Dravet-Syndrom-Ontologie, die durch die expertengeleitete Erweiterung eines bestehenden Epilepsie-Frameworks erstellt wurde und als dauerhafte Infrastruktur für Datenharmonisierung, Wissensrepräsentation und KI-gestützte translationale Informatik in der Forschung zu seltenen Erkrankungen dient.