Major depression and electrovestibulography
Notice bibliographique
Résumé
OBJECTIVES: No electrophysiological neuroimaging or genetic markers have been established that strongly relate to a diagnosis of major depression or its severity. The objective of this paper is to describe the preliminary evaluation of a potential new biomarker for depression utilizing the recording of electrical activity from the outer ear canal referred to as electrovestibulography (EVestG). METHODS: Sensory oto-acoustic features were extracted from EVestG data to compare 31 healthy age- and gender-matched individuals as controls to 43 major depressive disorder (MDD) subjects (22 symptomatic (MDD-S), 21 reduced symptomatic (MDD-R)). The stimulus was a single supine-vertical translation. The six features examined were based on the measured firing pattern interval histogram and the shape of the average field potential response. RESULTS: An unbiased classification accuracy of 85, 87 and 77% was achieved for separating Control from MDD-S, Control from MDD, and MDD-S from MDD-R groups respectively. Features used showed low but significant correlations (P < 0.05) with MADRS and CORE assessments. CONCLUSIONS: The results support the use of separate features for measuring MDD symptomatology versus diagnosing MDD, representing plausible different mechanisms of brain function in MDD-S and MDD-R. The first evidence of the successful application of sensory oto-acoustic features toward diagnosing and measuring the symptomatology of MDD is presented.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».