MétaCan
Menu
Retour à la cohorte
Enregistrement W2594060043 · doi:10.1093/brain/awx030

Brain temporal complexity in explaining the therapeutic and cognitive effects of seizure therapy

2017· article· en· W2594060043 sur OpenAlexafffund
Faranak Farzan, Sravya Atluri, Ye Mei, Sylvain Moreno, Andrea Levinson, Daniel M. Blumberger, Zafiris J. Daskalakis

Notice bibliographique

RevueBrain · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity of TorontoSimon Fraser UniversityCentre for Addiction and Mental Health
Organismes subventionnairesCanadian Institutes of Health ResearchFondation Brain CanadaCentre for Addiction and Mental Health FoundationNational Institutes of HealthCentre for Addiction and Mental HealthCampbell InstituteNational Alliance for Research on Schizophrenia and Depression
Mots-clésPsychologyCognitionNeuroscienceEpilepsyCognitive psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Over 350 million people worldwide suffer from depression, a third of whom are medication-resistant. Seizure therapy remains the most effective treatment in depression, even when many treatments fail. The utility of seizure therapy is limited due to its cognitive side effects and stigma. The biological targets of seizure therapy remain unknown, hindering design of new treatments with comparable efficacy. Seizures impact the brains temporal dynamicity observed through electroencephalography. This dynamicity reflects richness of information processing across distributed brain networks subserving affective and cognitive processes. We investigated the hypothesis that seizure therapy impacts mood (depressive symptoms) and cognition by modulating brain temporal dynamicity. We obtained resting-state electroencephalography from 34 patients (age = 46.0 ± 14.0, 21 females) receiving two types of seizure treatments-electroconvulsive therapy or magnetic seizure therapy. We used multi-scale entropy to quantify the complexity of the brain's temporal dynamics before and after seizure therapy. We discovered that reduction of complexity in fine timescales underlined successful therapeutic response to both seizure treatments. Greater reduction in complexity of fine timescales in parieto-occipital and central brain regions was significantly linked with greater improvement in depressive symptoms. Greater increase in complexity of coarse timescales was associated with greater decline in cognition including the autobiographical memory. These findings were region and timescale specific. That is, change in complexity in occipital regions (e.g. O2 electrode or right occipital pole) at fine timescales was only associated with change in depressive symptoms, and not change in cognition, and change in complexity in parieto-central regions (e.g. Pz electrode or intra and transparietal sulcus) at coarser timescale was only associated with change in cognition, and not depressive symptoms. Finally, region and timescale specific changes in complexity classified both antidepressant and cognitive response to seizure therapy with good (80%) and excellent (95%) accuracy, respectively. In this study, we discovered a novel biological target of seizure therapy: complexity of the brain resting state dynamics. Region and timescale dependent changes in complexity of the brain resting state dynamics is a novel mechanistic marker of response to seizure therapy that explains both the antidepressant response and cognitive changes associated with this treatment. This marker has tremendous potential to guide design of the new generation of antidepressant 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,336
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207