EPA-1603 - Changes of resting-state eeg and functional connectivity in the sensor and source space of patients with major depression
Notice bibliographique
Résumé
Dyfunctions of prefrontal neuronal circuits contribute to the pathophysiology of depression. Previous studies showed increased functional MRI and EEG connectivity in patients with depression. In this study we investigated a large sample of patients with major depression (n=228) and healthy subjects (n=215). Spectrotemporal dynamics during resting state with closed eyes were analyzed in sensor and source space to examine functional EEG connectivity (fcEEG) alterations between groups. Quantitative measures of delta, theta, alpha, beta and gamma power, hemispheric asymmetry, coherence, phase and current source density (CSD, eLORETA) analyses were calculated from artifact-free EEG recordings. EEG theta power was increased in all brain regions in the group of patients with a focus in frontal regions and increased frontal theta and alpha power. Excessive coherence differences were detected in the delta, theta and alpha-bands in frontal, frontal-temporal and frontal-parietal regions. There were changes in phase differences in the delta, theta, alpha-bands between patients and healthy subjects. Differences in CSD were found for the delta, theta, alpha-band in the (rostral and subgenual) anterior cingulate cortex (ACC) with increased CSD in the patients. The main finding of the present study was an increase in cortical slow-wave activity in sensor and source space in patients with depression revealing marked differences in prefrontal cortical networks. Functional delta, theta and alpha connectivity (coherence and phase) were altered with a predominance in the left hemisphere. Dysfunctions of the ACC, together with alterations in fcEEG may contribute to the pathophysiology of major depression.
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 | 0,002 |
| 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) | 0,000 | 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 ».