Mapping vulnerability to bipolar disorder: a systematic review and meta-analysis of neuroimaging studies
Notice bibliographique
Résumé
BACKGROUND: Although early interventions in individuals with bipolar disorder may reduce the associated personal and economic burden, the neurobiologic markers of enhanced risk are unknown. METHODS: Neuroimaging studies involving individuals at enhanced genetic risk for bipolar disorder (HR) were included in a systematic review. We then performed a region of interest (ROI) analysis and a whole-brain meta-analysis combined with a formal effect-sizes meta-analysis in a subset of studies. RESULTS: There were 37 studies included in our systematic review. The overall sample for the systematic review included 1258 controls and 996 HR individuals. No significant differences were detected between HR individuals and controls in the selected ROIs: striatum, amygdala, hippocampus, pituitary and frontal lobe. The HR group showed increased grey matter volume compared with patients with established bipolar disorder. The HR individuals showed increased neural response in the left superior frontal gyrus, medial frontal gyrus and left insula compared with controls, independent from the functional magnetic resonance imaging task used. There were no publication biases. Sensitivity analysis confirmed the robustness of these results. LIMITATIONS: As the included studies were cross-sectional, it remains to be determined whether the observed neurofunctional and structural alterations represent risk factors that can be clinically used in preventive interventions for prodromal bipolar disorder. CONCLUSION: Accumulating structural and functional imaging evidence supports the existence of neurobiologic trait abnormalities in individuals at genetic risk for bipolar disorder at various scales of investigation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».