Decreased Efficiency of Task-Positive and Task-Negative Networks During Working Memory in Schizophrenia
Notice bibliographique
Résumé
Working memory (WM) is one of the most impaired cognitive processes in schizophrenia. Functional magnetic resonance imaging (fMRI) studies in this area have typically found a reduction in information processing efficiency but have focused on the dorsolateral prefrontal cortex. In the current study using the Sternberg Item Recognition Test, we consider networks of regions supporting WM and measure the activation of functionally connected neural networks over different WM load conditions. We used constrained principal component analysis with a finite impulse response basis set to compare the estimated hemodynamic response associated with different WM load condition for 15 healthy control subjects and 15 schizophrenia patients. Three components emerged, reflecting activated (task-positive) and deactivated (task-negative or default-mode) neural networks. Two of the components (with both task-positive and task-negative aspects) were load dependent, were involved in encoding and delay phases (one exclusively encoding and the other both encoding and delay), and both showed evidence for decreased efficiency in patients. The results suggest that WM capacity is reached sooner for schizophrenia patients as the overt levels of WM load increase, to the point that further increases in overt memory load do not increase fMRI activation, and lead to performance impairments. These results are consistent with an account holding that patients show reduced efficiency in task-positive and task-negative networks during WM and also partially support the shifted inverted-U-shaped curve theory of the relationship between WM load and fMRI activation 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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».