Abnormalities in the effective connectivity of visuothalamic circuitry in schizophrenia
Notice bibliographique
Résumé
BACKGROUND: Sensory-processing deficits appear crucial to the clinical expression of symptoms of schizophrenia. The visual cortex displays both dysconnectivity and aberrant spontaneous activity in patients with persistent symptoms and cognitive deficits. In this paper, we examine visual cortex in the context of the remerging notion of thalamic dysfunction in schizophrenia. We examined specific regional and longer-range abnormalities in sensory and thalamic circuits in schizophrenia, and whether these patterns are strong enough to discriminate symptomatic patients from controls. METHOD: Using publicly available resting fMRI data of 71 controls and 62 schizophrenia patients, we derived conjunction maps of regional homogeneity (ReHo) and fractional amplitude of low-frequency fluctuations (fALFF) to inform further seed-based Granger causality analysis (GCA) to study effective connectivity patterns. ReHo, fALFF and GCA maps were entered into a multiple kernel learning classifier, to determine whether patterns of local and effective connectivity can differentiate controls from patients. RESULTS: Visual cortex shows both ReHo and fALFF reductions in patients. Visuothalamic effective connectivity in patients was significantly reduced. Local connectivity (ReHo) patterns discriminated patients from controls with the highest level of accuracy of 80.32%. CONCLUSIONS: Both the inflow and outflow of Granger causal information between visual cortex and thalamus is affected in schizophrenia; this occurs in conjunction with highly discriminatory but localized dysconnectivity and reduced neural activity within the visual cortex. This may explain the visual-processing deficits that are present despite symptomatic remission in schizophrenia.
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 | 0,002 | 0,041 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».