Behavioral Heterogeneity in Relation with Brain Functional Networks in Young Children
Notice bibliographique
Résumé
This study aimed to identify distinct behavioral profiles in a population-based sample of 654 4-year-old children and characterize their relationships with brain functional networks using resting-state functional magnetic resonance imaging data. Young children showed 7 behavioral profiles, including a super healthy behavioral profile with the lowest scores across all Child Behavior CheckList (CBCL) subscales (G1) and other 6 behavioral profiles, respectively with pronounced withdrawal (G2), somatic complaints (G3), anxiety and withdrawal (G4), somatic complaints and withdrawal (G5), the mixture of emotion, withdrawal, and aggression (G6), and attention (G7) problems. Compared with children in G1, children with withdrawal shared abnormal functional connectivities among the sensorimotor networks. Children in emotionally relevant problems shared the common pattern among the attentional and frontal networks. Nevertheless, children in sole withdrawal problems showed a unique pattern of connectivity alterations among the sensorimotor, cerebellar, and salience networks. Children with somatic complaints showed abnormal functional connectivities between the attentional and subcortical networks, and between the language and posterior default mode networks. This study provides novel evidence on the existence of behavioral heterogeneity in early childhood and its associations with specific functional networks that are clinically relevant phenotypes for mental illness and are apparent from early childhood.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».