Background: The classification of antineutrophil cytoplasmic antibody-associated vasculitis (AAV) and polyarteritis nodosa (PAN) for epidemiology studies is confusing. The existing schemes such as American College of Rheumatology (ACR) criteria, Chapel Hill Consensus Conference (CHCC) definitions and Lanham criteria produce overlapping and conflicting classifications, making it difficult to compare incidence figures. Aim: To develop a consensus method of using these criteria and definitions for epidemiological studies to permit comparison without confounding by classification. Methods: A stepwise algorithm was developed by consensus between a group of doctors interested in the epidemiology of vasculitis. The aim was to categorise patients with Wegener’s granulomatosis, microscopic polyangiitis (MPA), Churg–Strauss syndrome (CSS) and PAN into single clinically relevant categories. The ACR and Lanham criteria for CSS, and ACR criteria for Wegener’s granulomatosis were applied first, as these were considered to be the most specific. Surrogate markers for Wegener’s granulomatosis were included to distinguish Wegener’s granulomatosis from MPA. MPA was classified using the CHCC definition and surrogate markers for renal vasculitis. Finally, PAN was classified using the CHCC definition. The algorithm was validated by application to 20 cases from each centre and 99 from a single centre, followed by a paper case exercise. Results: A four-step algorithm was devised. It successfully categorises patients into a single classification. There was good correlation between observers in the paper case exercise (91.5%; unweighted κ = 0.886). Conclusion: The algorithm achieves its aim of reliably classifying patients into a single category. The use of the algorithm in epidemiology studies should permit comparison between geographical areas.

Objective:

 To establish the diagnostic accuracy of the Montreal Cognitive Assessment (MoCA) when screening externally validated cognition in Parkinson disease (PD), by comparison with a PD-focused test (Scales for Outcomes in Parkinson disease–Cognition [SCOPA-COG]) and the standardized Mini-Mental State Examination (S-MMSE) as benchmarks. 

Methods:

 A convenience sample of 114 patients with idiopathic PD and 47 healthy controls was examined in a movement disorders center. The 21 patients with dementia (PD-D) were diagnosed using Movement Disorders Society criteria, externally validated by detailed independent functional and neuropsychological tests. The 21 patients with mild cognitive impairment (PD-MCI) scored 1.5 SD or more below normative data in at least 2 measures in 1 of 4 cognitive domains. Other patients had normal cognition (PD-N). 

Results:

 Primary outcomes using receiver operating characteristic (ROC) curve analyses showed that all 3 mental status tests produced excellent discrimination of PD-D from patients without dementia (area under the curve [AUC], 87%–91%) and PD-MCI from PD-N patients (AUC, 78%–90%), but the MoCA was generally better suited across both assessments. The optimal MoCA screening cutoffs were <21/30 for PD-D (sensitivity 81%; specificity 95%; negative predictive value [NPV] 92%) and <26/30 for PD-MCI (sensitivity 90%; specificity 75%; NPV 95%). Further support that the MoCA is at least equivalent to the SCOPA-COG, and superior to the S-MMSE, came from the simultaneous classification of the 3 PD patient groups (volumes under a 3-dimensional ROC surface, chance = 17%: MoCA 79%, confidence interval [CI] 70%–89%; SCOPA-COG 74%, CI 62%–86%; MMSE-Sevens item 56%, CI 44%–68%; MMSE-World item 62%, CI 50%–73%). 

Conclusions:

 The MoCA is a suitably accurate, brief test when screening all levels of cognition in PD.

The Adolescent Brain Cognitive Development (ABCD) Study is an ongoing, nationwide study of the effects of environmental influences on behavioral and brain development in adolescents. The main objective of the study is to recruit and assess over eleven thousand 9-10-year-olds and follow them over the course of 10 years to characterize normative brain and cognitive development, the many factors that influence brain development, and the effects of those factors on mental health and other outcomes. The study employs state-of-the-art multimodal brain imaging, cognitive and clinical assessments, bioassays, and careful assessment of substance use, environment, psychopathological symptoms, and social functioning. The data is a resource of unprecedented scale and depth for studying typical and atypical development. The aim of this manuscript is to describe the baseline neuroimaging processing and subject-level analysis methods used by ABCD. Processing and analyses include modality-specific corrections for distortions and motion, brain segmentation and cortical surface reconstruction derived from structural magnetic resonance imaging (sMRI), analysis of brain microstructure using diffusion MRI (dMRI), task-related analysis of functional MRI (fMRI), and functional connectivity analysis of resting-state fMRI. This manuscript serves as a methodological reference for users of publicly shared neuroimaging data from the ABCD Study.

Many studies have linked activity in a frontostriatal network with the capacity to suppress inappropriate thoughts and actions, but relatively few have examined the role of connectivity between these structures. Here, we use diffusion tensor imaging to assess frontostriatal connectivity in 21 subjects (ages 7–31 years). Fifteen subjects were tested on a go/no-go task, where they responded with a button press to a visual stimulus and inhibited a response to a second infrequent stimulus. An automated fiber tracking algorithm was used to delineate white matter fibers adjacent to ventral prefrontal cortex and the striatum, and the corticospinal tract, which was not expected to contribute to control per se. Diffusion in frontostriatal and corticospinal tracts became more restricted with age. This shift was paralleled by an increase in efficiency of task performance. Frontostriatal radial diffusivities predicted faster reaction times, independent of age and accuracy, and this correlation grew stronger for trials expected to require greater control. This was not observed in the corticospinal tract. On trials matched for speed of task performance, adults were significantly more accurate, and accuracies were correlated with frontostriatal, but not corticospinal, diffusivities. These findings suggest that frontostriatal connectivity may contribute to developmental and individual differences in the efficient recruitment of cognitive control.

Many factors have been proposed as contributors to risk of alcohol abuse, but quantifying their influence has been difficult; here a longitudinal study of a large sample of adolescents and machine learning are used to generate models of predictors of current and future alcohol abuse, assessing the relative contribution of many factors, including life history, individual personality differences, brain structure and genotype. Many factors have been identified as contributors to risk of alcohol abuse but their relative importance has been difficult to quantify. Robert Whelan et al. constructed models of current and future adolescent binge drinking using data from the IMAGEN project, a study of risk-taking behaviour in more than 2,000 teenagers recruited at age 14 from the United Kingdom, Ireland, France and Germany. The authors used machine learning to generate models of predictors of current and future alcohol abuse, assessing the contribution of many factors including life history, individual personality differences, brain structure and genotype. A key finding of the study was that personality factors were, surprisingly, not particularly useful predictors of future alcohol misuse. In contrast, neurodevelopmental immaturity, certain structural and functional indicators in the brain, sexual experience and prenatal alcohol exposure were associated with current and future binge drinking. A comprehensive account of the causes of alcohol misuse must accommodate individual differences in biology, psychology and environment, and must disentangle cause and effect. Animal models1 can demonstrate the effects of neurotoxic substances; however, they provide limited insight into the psycho-social and higher cognitive factors involved in the initiation of substance use and progression to misuse. One can search for pre-existing risk factors by testing for endophenotypic biomarkers2 in non-using relatives; however, these relatives may have personality or neural resilience factors that protect them from developing dependence3. A longitudinal study has potential to identify predictors of adolescent substance misuse, particularly if it can incorporate a wide range of potential causal factors, both proximal and distal, and their influence on numerous social, psychological and biological mechanisms4. Here we apply machine learning to a wide range of data from a large sample of adolescents (n = 692) to generate models of current and future adolescent alcohol misuse that incorporate brain structure and function, individual personality and cognitive differences, environmental factors (including gestational cigarette and alcohol exposure), life experiences, and candidate genes. These models were accurate and generalized to novel data, and point to life experiences, neurobiological differences and personality as important antecedents of binge drinking. By identifying the vulnerability factors underlying individual differences in alcohol misuse, these models shed light on the aetiology of alcohol misuse and suggest targets for prevention.

We used diffusion tensor imaging (DTI) to study 2 patients with traumatic brain injury. The first patient recovered reliable expressive language after 19 years in a minimally conscious state (MCS); the second had remained in MCS for 6 years. Comparison of white matter integrity in the patients and 20 normal subjects using histograms of apparent diffusion constants and diffusion anisotropy identified widespread altered diffusivity and decreased anisotropy in the damaged white matter. These findings remained unchanged over an 18-month interval between 2 studies in the first patient. In addition, in this patient, we identified large, bilateral regions of posterior white matter with significantly increased anisotropy that reduced over 18 months. In contrast, notable increases in anisotropy within the midline cerebellar white matter in the second study correlated with marked clinical improvements in motor functions. This finding was further correlated with an increase in resting metabolism measured by PET in this subregion. Aberrant white matter structures were evident in the second patient’s DTI images but were not clinically correlated. We propose that axonal regrowth may underlie these findings and provide a biological mechanism for late recovery. Our results are discussed in the context of recent experimental studies that support this inference.

Abstract The Adolescent Brain Cognitive Development Study (ABCD), a 10 year longitudinal neuroimaging study of the largest population based and demographically distributed cohort of 9-10 year olds (N=11,877), was designed to overcome reproducibility limitations of prior child mental health studies. Besides the fantastic wealth of research opportunities, the extremely large size of the ABCD data set also creates enormous data storage, processing, and analysis challenges for researchers. To ensure data privacy and safety, researchers are not currently able to share neuroimaging data derivatives through the central repository at the National Data Archive (NDA). However, sharing derived data amongst researchers laterally can powerfully accelerate scientific progress, to ensure the maximum public benefit is derived from the ABCD study. To simultaneously promote collaboration and data safety, we developed the ABCD-BIDS Community Collection (ABCC), which includes both curated processed data and software utilities for further analyses. The ABCC also enables researchers to upload their own custom-processed versions of ABCD data and derivatives for sharing with the research community. This NeuroResource is meant to serve as the companion guide for the ABCC. In section we describe the ABCC. Section II highlights ABCC utilities that help researchers access, share, and analyze ABCD data, while section III provides two exemplar reproducibility analyses using ABCC utilities. We hope that adoption of the ABCC’s data-safe, open-science framework will boost access and reproducibility, thus facilitating progress in child and adolescent mental health research.

On the basis of animal models, glymphatic flow disruption is hypothesized to be a factor in the development of Alzheimer's disease. We report the first quantitative study of glymphatic flow in man, combining intrathecal administration of gadobutrol with serial T1 mapping to produce contrast concentration maps up to 3 days postinjection, demonstrating performing a quantitative study using the techniques described feasibility and providing data on pharmacokinetics.

Abstract Head motion represents one of the greatest technical obstacles for brain MRI. Accurate detection of artifacts induced by head motion requires precise estimation of movement. However, this estimation may be corrupted by factitious effects owing to main field fluctuations generated by body motion. In the current report, we examine head motion estimation in multiband resting state functional connectivity MRI (rs-fcMRI) data from the Adolescent Brain and Cognitive Development (ABCD) Study and a comparison ‘single-shot’ dataset from Oregon Health & Science University. We show unequivocally that respirations contaminate movement estimates in functional MRI and that respiration generates apparent head motion not associated with degraded quality of functional MRI. We have developed a novel approach using a band-stop filter that accurately removes these respiratory effects. Subsequently, we demonstrate that utilizing this filter improves post-processing data quality. Lastly, we demonstrate the real-time implementation of motion estimate filtering in our FIRMM (Framewise Integrated Real-Time MRI Monitoring) software package.

Abstract This paper responds to a recent critique by Bissett and colleagues (Bissett et al., eLife, In Press) of the fMRI Stop task being used in the Adolescent Brain Cognitive Development SM Study (ABCD Study ® ). The critique focuses primarily on a design feature of the task that the authors contend lead to a violation of race model assumptions (i.e., that the Go and Stop processes are fully independent) which are relevant to the calculation of the Stop Signal Reaction Time, a measure of the inhibition process. Bissett and colleagues also raise a number of secondary concerns. In this response we note that satisfying race model assumptions is a pernicious challenge for Stop task designs but also that the race model is quite robust against violations of its assumptions. Most importantly, while Bissett et al. raise conceptual concerns with the task we focus here on analyses of both the performance and the neuroimaging data and we conclude that the concerns appear to have minimal impact on the neuroimaging data (the validity of which do not rely on race model assumptions) and have far less of an impact on the performance data than the critique suggests. We note that Bissett et al. did not apply any performance-based exclusions to the data they analyzed, that a number of the trial coding errors that they flagged were already identified and corrected in the ABCD annual data releases, that a number of the secondary concerns reflect sensible design decisions and, indeed, that their own computational modeling of the ABCD Stop task suggests the problems they identify have just a modest impact on the rank ordering of individual differences in subject performance. In this paper, we list some adjustments that have been made to the task and some new flags that are now added to the annual, curated data releases. We stress that the ABCD data are fully available to the scientific community who are empowered to apply whatever inclusion and exclusion criteria they deem appropriate for their analyses and we conclude that the ABCD Stop task yields valuable data that researchers can use to track adolescent neurodevelopment.