ACC Neuro-over-Connectivity Is Associated with Mathematically Modeled Additional Encoding Operations of Schizophrenia Stroop-Task Performance
Notice bibliographique
Résumé
Functional magnetic resonance imaging at 7.0 Tesla was undertaken among Schizophrenia participants (Sz), and clinical (major mood disorder; MDD) and healthy controls (HC), during performance of the Stoop task. Stroop conditions included congruent and incongruent word color items, color-only items, and word-only items. Previous modeling results extended to this most widely used selective-attention task. All groups executed item-encoding operations (subprocesses of the item encoding process) at the same rate (performance accuracy being similarly high throughout), thus displaying like processing capacity; Sz participants, however, employed more subprocesses for item completions than did the MDD participants, who in turn used more subprocesses than the HC group. The reduced efficiency in deploying cognitive-workload capacity among the Sz participants was paralleled by more diffuse neuroconnectivity (Blood-Oxygen-Level-Dependent co-activation) with the anterior cingulate cortex (ACC) (Broadman Area 32), spreading away from this encoding-intensive region; and by less evidence of network dissociation across Stroop conditions. Estimates of cognitive work done to accomplish item completion were greater for the Sz participants, as were estimates of entropy in both the modeled trial-latency distribution, and its associated neuro-circuitry. Findings are held to be symptom and assessment significant, and to have potential implications for clinical intervention.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».