MétaCan
Menu
Retour à la cohorte
Enregistrement W2891392885 · doi:10.1001/jamapsychiatry.2018.2318

Association of Neuroimaging Measures of Emotion Processing and Regulation Neural Circuitries With Symptoms of Bipolar Disorder in Offspring at Risk for Bipolar Disorder

2018· article· en· W2891392885 sur OpenAlexaff
Heather Acuff, Amelia Versace, Michele A. Bertocci, Cecile D. Ladouceur, Lindsay C. Hanford, Anna Manelis, Kelly Monk, Lisa Bonar, Alicia Mccaffrey, Benjamin I. Goldstein, Tina R. Goldstein, Dara Sakolsky, David Axelson, Boris Birmaher, Mary L. Phillips

Notice bibliographique

RevueJAMA Psychiatry · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueBipolar Disorder and Treatment
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of Mental Health
Mots-clésBipolar disorderNeuroimagingOffspringAssociation (psychology)PsychologyNeuroscienceFunctional neuroimagingPsychiatryClinical psychologyCognitionPsychotherapistBiologyGeneticsPregnancy

Résumé

récupéré en direct d'OpenAlex

Importance: Bipolar disorder (BD) is difficult to distinguish from other psychiatric disorders. Neuroimaging studies can identify objective markers of BD risk. Objective: To identify neuroimaging measures in emotion processing and regulation neural circuitries and their associations with symptoms specific to youth at risk for BD. Design, Setting, and Participants: This cross-sectional (August 1, 2011, to July 31, 2017) and longitudinal (February 1, 2013, to November 30, 2017) neuroimaging study performed at the University of Pittsburgh Medical Center compared a sample of 31 offspring of parents with BD (OBP) with 28 offspring of comparison parents with non-BD psychopathologies (OCP) and 21 offspring of healthy parents (OHP); OBP, OCP, and OHP were recruited from the Bipolar Offspring Study and the Longitudinal Assessment of Manic Symptoms Study. Main Outcomes and Measures: Group differences in activity and functional connectivity during emotional face processing and n-back task performance in amygdala, dorsolateral and ventrolateral prefrontal cortices (PFC), caudal anterior cingulate cortices (cACC), and rostral anterior cingulate cortices (rACC) neuroimaging measures showing between-group differences and symptom severity (anxiety, affective lability, depression, mania). We hypothesized that elevated amygdala activity and/or lower PFC activity and abnormal amygdala to PFC functional connectivity would distinguish OBP from OCP and OHP, and magnitudes of these abnormalities would positively correlate with elevated symptom severity. We explored associations between changes in neuroimaging and symptom measures over follow-up (mean [SD], 2.9 [1.4] years) in a subset of participants (n = 30). Results: Eighty participants were included (mean [SD] age, 14.2 (2.1) years; 35 female). Twelve neuroimaging measures explained 51% of the variance in the results of neuroimaging measures overall. Of the 12, 9 showed significant main associations of the group; however, after post hoc analyses and Bonferroni corrections, only 7 showed statistically significant associations between groups (corrected P < .05 for all). Of the 7, 2 showed significant relationships with symptoms. Offspring of parents with BD had greater right rACC activity when regulating attention to happy faces vs OCP (mean [SD] difference, 0.744 [0.249]; 95% CI, 0.134-1.354; P = .01), which positively correlated with affective lability severity (ρ = 0.304; uncorrected P = .006). Offspring of parents with BD had greater amygdala to left cACC functional connectivity when regulating attention to fearful faces vs OCP (mean [SD] difference, 0.493 [0.169]; 95% CI, 0.079-0.908; P = .01). Increases in this measure positively correlated with increases in affective lability over follow-up (r = 0.541; P = .003). Conclusions and Relevance: Greater anterior cingulate cortex activity and functional connectivity during emotion regulation tasks may be specific markers of BD risk. These findings highlight potential neural targets to aid earlier identification of and guide new treatment developments for BD.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,010
Tête enseignante GPT0,245
Écart entre enseignants0,235 · 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

Citations53
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA PsychiatryMême sujetBipolar Disorder and TreatmentTravaux en français237 207