The effects of cognitive behavioral therapy on resting‐state functional brain network in drug‐naive patients with obsessive–compulsive disorder
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: Although cognitive behavioral therapy (CBT) is an effective treatment for obsessive-compulsive disorder (OCD), the treatment mechanisms remain poorly understood. This study aimed to investigate the effects of CBT on changes in the intrinsic whole-brain functional network of OCD patients. Materials and Methods: Twenty drug-naive and noncomorbid OCD patients were recruited, and resting-state functional magnetic resonance imaging was performed before and after 12 weeks of CBT. Moreover, 20 healthy controls were scanned twice with a 12-week interval. A graph-theory degree centrality (DC) approach and functional connectivity method were used to analyze the whole-brain functional network hub and connectivity changes in OCD patients before and after CBT treatment. Results: A significant group × time interaction on DC was found in the left dorsolateral prefrontal cortex (DLPFC); the DC in the left DLPFC was significantly reduced after CBT treatment. Resting-state functional connectivity (RSFC) between the left DLPFC and right orbitofrontal cortex was increased in the OCD patients at baseline, and normalized after CBT treatment. RSFC changes between the left DLPFC and default mode network (DMN) positively correlated with changes in clinical symptoms in OCD patients. Conclusions: These findings suggest that CBT can modulate changes in intrinsic functional network hubs in the cortico-striato-thalamo-cortical circuit in OCD patients. Cognitive control network and DMN connectivity may be a potential imaging biomarker for evaluating CBT treatment for OCD.
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.
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 | 0,003 |
| 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 | 0,001 |
| 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 découle