Evidence of subgroups in smokers as revealed in clinical measures and evaluated by neuroimaging data: a preliminary study
Notice bibliographique
Résumé
To date, fractionation of the nicotine addiction phenotype has been limited to that based primarily on characteristics of cigarette use, although it is widely appreciated that a variety of individual factors are associated with tobacco use disorder. Identifying subtypes of tobacco use disorder based on such factors may lead to better understanding of potential treatment targets, individualize treatments and improve outcomes. In this preliminary study, to identify potential subgroups, we applied hierarchical clustering to a broad range of assessments measuring personality, IQ and psychiatric symptoms, as well as various environmental and experiential characteristics from 102 otherwise healthy cigarette smokers. The identified subgroups were further compared on various resting-state fMRI measures from a subset (N = 65) of individuals who also underwent resting-state fMRI scanning. The clustering dendrogram indicated that smokers can be divided into three subgroups. Each subgroup had unique clinical assessment characteristics. The division yielded imaging differences between subgroups in the supplementary motor area/middle cingulate cortex and the cuneus. Regression analyses showed that amplitude of low frequency fluctuations in the supplementary motor area/middle cingulate cortex differed between groups and were negatively correlated with the Toronto Alexithymia Scale subscale Difficulty Describing Feelings.
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 | 0,002 | 0,037 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».