MétaCan
Menu
← Retour à la cohorte
Enregistrement W2746188253 · doi:10.1101/179242

Progressive reconfiguration of resting-state brain networks as psychosis develops: Preliminary results from the North American Prodrome Longitudinal Study (NAPLS) consortium

2017· preprint· en· W2746188253 sur OpenAlexaff
Hengyi Cao, Yoonho Chung, Sarah McEwen, Carrie E. Bearden, Jean Addington, Bradley G. Goodyear, Kristin S. Cadenhead, Heline Mirzakhanian, Barbara A. Cornblatt, Doreen M. Olvet, Daniel H. Mathalon, Thomas H. McGlashan, Diana O. Perkins, Ayşenil Belger, Larry J. Seidman, Heidi W. Thermenos, Ming T. Tsuang, Theo G.M. van Erp, Elaine F. Walker, Stephan Hamann, Alan Anticevic, Scott W. Woods, Tyrone D. Cannon

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2017
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institutes of Health
Mots-clésProdromeDefault mode networkNeurosciencePsychosisSchizophrenia (object-oriented programming)Prefrontal cortexPsychologyResting state fMRIMedicineCognitionPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Mounting evidence has shown disrupted brain network architecture across the psychosis spectrum. However, whether these changes relate to the development of psychosis is unclear. Here, we used graph theoretical analysis to investigate longitudinal changes in resting-state brain networks in samples of 72 subjects at clinical high risk (including 8 cases who converted to full psychosis) and 48 healthy controls drawn from the North American Prodrome Longitudinal Study (NAPLS) consortium. We observed progressive reduction in global efficiency ( P = 0.006) and increase in network diversity ( P = 0.001) in converters compared with non-converters and controls. More refined analysis separating nodes into nine key brain networks demonstrated that these alterations were primarily driven by progressively diminished local efficiency in the default-mode network ( P = 0.004) and progressively enhanced node diversity across all networks ( P < 0.05). The change rates of network efficiency and network diversity were significantly correlated ( P = 0.003), suggesting these changes may reflect shared underlying neural mechanisms. In addition, change rates of global efficiency and node diversity were significantly correlated with change rate of cortical thinning in the prefrontal cortex in converters ( P < 0.03) and could be predicted by visuospatial memory scores at baseline ( P < 0.04). These results provide preliminary evidence for longitudinal reconfiguration of resting-state brain networks during psychosis development and suggest that decreased network efficiency, reflecting an increase in path length between nodes, and increased network diversity, reflecting a decrease in the consistency of functional network organization, are implicated in the progression to full psychosis.

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)0,002
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 enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,045
Tête enseignante GPT0,281
Écart entre enseignants0,236 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→