Evaluating the impact of cannabis use on thalamic connectivity in youth at clinical high risk of psychosis
Notice bibliographique
Résumé
BACKGROUND: Disruptions in thalamic functional connectivity have been observed in people with schizophrenia and in youth at clinical high risk (CHR) of psychosis. However, the impact of environmental risk factors for psychosis on thalamic dysconnectivity is poorly understood. We tested whether thalamic dysconnectivity is related to patterns of cannabis use in a CHR sample. METHODS: 162 CHR and 105 control participants were assessed on cannabis use severity, frequency, and age at onset of first use as part of the North American Prodrome Longitudinal Study and completed resting-state fMRI scans. Whole-brain thalamic functional connectivity maps were generated using individual subjects' anatomically defined thalamic seeds. RESULTS: Thalamic connectivity did not significantly correlate with current cannabis use severity or frequency in either CHR or controls. In CHR cannabis users, a significant correlation emerged between attenuated thalamic connectivity with left sensory/motor cortex and a younger age at onset of cannabis use. CHR who used cannabis before age 15 did not differ on thalamic connectivity as compared to CHR who used after age 15 or CHR who were cannabis naïve. No group differences in thalamic connectivity emerged when comparing CHR separated by moderate/high use frequency, low-frequency or cannabis naïve. CONCLUSIONS: Although a younger age at onset of cannabis use may be associated with disrupted thalamo-cortical coupling, cannabis use does not appear to be an identifying characteristic for thalamic connectivity in CHR with moderate/high use frequency compared to low-frequency users or CHR who are cannabis naïve.
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 | 0,003 | 0,034 |
| 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 | 0,000 |
| 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 ».