Clinical utility of a short resting‐state MRI scan in differentiating bipolar from unipolar depression
Notice bibliographique
Résumé
OBJECTIVE: Depression in bipolar disorder (BipD) requires a therapeutic approach that is from treating unipolar major depressive disorder (UniD), but to date, no reliable methods could separate these two disorders. The aim of this study was to establish the clinical validity and utility of a non-invasive functional MRI-based method to classify BipD from UniD. METHOD: The degree of connectivity (degree centrality or DC) of every small unit (voxel) with every other unit of the brain was estimated in 22 patients with BipD and 22 age, gender, and depressive severity-matched patients with UniD and 22 healthy controls. Pattern classification analysis was carried out using a support-vector machine (SVM) approach. RESULTS: Degree centrality pattern from 8-min resting fMRI discriminated BipD from UniD with an accuracy of 86% and diagnostic odds ratio of 9.6. DC was reduced in the left insula and increased in bilateral precuneus in BipD when compared to UniD. In this sample with a high degree of uncertainty (50% prior probability), positive predictive value of the DC test was 79%. CONCLUSION: Degree centrality maps are potential candidate measures to separate bipolar depression from unipolar depression. Test performance reported here requires further pragmatic evaluation in regular clinical practice.
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 | 0,000 |
| 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 ».