Deficit in parietal memory network underlies auditory hallucination: a longitudinal study
Notice bibliographique
Résumé
Abstract Auditory hallucination is a prominent and common symptom in schizophrenia. Previous neuroimaging studies have yielded mixed results of its brain network deficits. We proposed a novel hypothesis that parietal memory network, centered at the precuneus, plays a critical role in auditory hallucination. This network is adjacent and partially overlaps with the default mode network, and has been associated with brain function of familiarity labelling in memory processing. Using a longitudinal design and a large cohort of first-episode, drug-naïve schizophrenia patients, we examined this hypothesis and further investigated whether the functional connectivity patterns of the parietal memory network can serve as a neuroimaging marker for auditory hallucination and help to predict future treatment effects. Resting-state scans from 59 first-episode drug-naïve schizophrenic patients (27 with and 32 without hallucination) and 53 healthy control subjects were acquired at the baseline test, and 56 of them were scanned again after two months. Functional connectivity strength within the parietal memory network and between this network and memory hubs was across the three groups at baseline and follow-up scans. Results showed that decreased functional connectivity strength within the parietal memory network was specific to the auditory hallucination group (p = 0.009, compare to the healthy subjects; p = 0.029, compare to the patients without hallucination), with the precuneus representing the largest group difference. The intra-network connectivity strength of the precuneus negatively correlated with the severity of hallucination at the baseline scan (r = −0.437, p = 0.029), and it was significantly increased after two-month medication (p = 0.039). Logistic regression analysis and crossvalidation test demonstrated that the functional connectivity strength of the precuneus and precuneus-hippocampus connectivity could differentiate patients with or without auditory hallucination with a sensitivity of 0.750 and a specificity of 0.708. Moreover, crossvalidation test showed that these imaging features at the baseline scan well predicted the extents of positive symptom improvement in the hallucination group after the two-month medication (R 2 = 0.433, p = 0.022). Our results provide evidence for a critical role of the parietal memory network underlying auditory hallucination, and further propose a novel neuroimaging marker for identifying patients, accessing severity, and prognosis of treatment effect for auditory hallucination. Abbreviations AH auditory hallucination AHRS Auditory Hallucination Rating Scale AUC Area-under-curve BPRS Brief Psychiatric Rating Scale DMN default mode network DSM-IV Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition DUP duration of untreated psychosis FCS functional connectivity strength HC healthy control IC independent component PMN parietal memory network NMDA N-methyl-D-aspartate RSN resting state network rs-fMRI resting-state functional MRI rTMS repetitive transcranial magnetic stimulation SANS Expanded Version and the Scale for Assessment of Negative Symptoms
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».