Impaired Efficiency of Functional Networks Underlying Episodic Memory-for-Context in Schizophrenia
Notice bibliographique
Résumé
Memory for context and episodic memory have been identified as primary contributors to cognitive impairments in schizophrenia. This study examined neural networks involved in episodic memory-for-context in schizophrenia using a multimodal strategy including a graph theoretical approach, combined with an assessment of the contribution of structural impairments to disruption in the efficiency of functional brain networks. Twenty-three patients with schizophrenia and 33 healthy controls performed an episodic memory-for-context task while undergoing functional magnetic resonance imaging scanning. Graph theory was used to characterize the small-world properties of functional connections between activated regions, and a morphometric analysis was used to investigate schizophrenia-related structural deficits. Similar functional activations were identified in the two groups; however, although small-world properties were present in the topological organization of the functional networks in both groups, significant reductions in local, but not global, efficiency were observed in the schizophrenia group. Several key network "hub" regions related to recollection, such as the bilateral dorsal anterior cingulate gyrus, showed reduced gray matter volume in schizophrenia patients. These findings suggest that loss of gray matter volume may contribute to local inefficiencies in the architecture of the network underlying memory-for-context in schizophrenia.
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 | 0,001 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».