Verbal memory impairments in schizophrenia associated with cortical thinning
Notice bibliographique
Résumé
Verbal memory (VM) represents one of the most affected cognitive domains in schizophrenia. Multiple studies have shown that schizophrenia is associated with cortical abnormalities, but it remains unclear whether these are related to VM impairments. Considering the vast literature demonstrating the role of the frontal cortex, the parahippocampal cortex, and the hippocampus in VM, we examined the cortical thickness/volume of these regions. We used a categorical approach whereby 27 schizophrenia patients with 'moderate to severe' VM impairments were compared to 23 patients with 'low to mild' VM impairments and 23 healthy controls. A series of between-group vertex-wise GLM on cortical thickness were performed for specific regions of interest defining the parahippocampal gyrus and the frontal cortex. When compared to healthy controls, patients with 'moderate to severe' VM impairments revealed significantly thinner cortex in the left frontal lobe, and the parahippocampal gyri. When compared to patients with 'low to mild' VM impairments, patients with 'moderate to severe' VM impairments showed a trend of thinner cortex in similar regions. Virtually no differences were observed in the frontal area of patients with 'low to mild' VM impairments relative to controls. No significant group differences were observed in the hippocampus. Our results indicate that patients with greater VM impairments demonstrate significant cortical thinning in regions known to be important in VM performance. Treating VM deficits in schizophrenia could have a positive effect on the brain; thus, subgroups of patients with more severe VM deficits should be a prioritized target in the development of new cognitive treatments.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».