Abnormal cortico-limbic connectivity during emotional processing correlates with symptom severity in schizophrenia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Impaired emotional processing is a core feature of schizophrenia (SZ). Consistent findings suggested that abnormal emotional processing in SZ could be paralleled by a disrupted functional and structural integrity within the fronto-limbic circuitry. The effective connectivity of emotional circuitry in SZ has never been explored in terms of causal relationship between brain regions. We used functional magnetic resonance imaging and Dynamic Causal Modeling (DCM) to characterize effective connectivity during implicit processing of affective stimuli in SZ. METHODS: We performed DCM to model connectivity between amygdala (Amy), dorsolateral prefrontal cortex (DLPFC), ventral prefrontal cortex (VPFC), fusiform gyrus (FG) and visual cortex (VC) in 25 patients with SZ and 29 HC. Bayesian Model Selection and average were performed to determine the optimal structural model and its parameters. RESULTS: Analyses revealed that patients with SZ are characterized by a significant reduced top-down endogenous connectivity from DLPFC to Amy, an increased connectivity from Amy to VPFC and a decreased driving input to Amy of affective stimuli compared to HC. Furthermore, DLPFC to Amy connection in patients significantly influenced the severity of psychopathology as rated on Positive and Negative Syndrome Scale. CONCLUSIONS: Results suggest a functional disconnection in brain network that contributes to the symptomatic outcome of the disorder. Our findings support the study of effective connectivity within cortico-limbic structures as a marker of severity and treatment efficacy in SZ.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle