MétaCan
Menu
Retour à la cohorte
Enregistrement W2900536617 · doi:10.1016/j.nicl.2018.11.010

Large-scale brain functional network topology disruptions underlie symptom heterogeneity in children with attention-deficit/hyperactivity disorder

2018· article· en· W2900536617 sur OpenAlexfundno aff
Xing Qian, F. Xavier Castellanos, Lucina Q. Uddin, Beatrice Rui Yi Loo, Siwei Liu, Hui Li Koh, Xue Wei Wendy Poh, Daniel Fung, Cuntai Guan, Tih-Shih Lee, Choon Guan Lim, Juan Zhou

Notice bibliographique

RevueNeuroImage Clinical · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Medical Research CouncilMedical Research CouncilMinistry of Health, British ColumbiaDuke-NUS Medical School
Mots-clésAttention deficit hyperactivity disorderFunctional magnetic resonance imagingDefault mode networkAttention networkPsychologyNeuropsychologyCBCLFunctional connectivityNeuroscienceModularity (biology)CognitionResting state fMRIAudiologyDevelopmental psychologyClinical psychologyMedicineBiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Accumulating evidence suggests brain network dysfunction in attention-deficit/hyperactivity disorder (ADHD). Whether large-scale brain network connectivity patterns reflect clinical heterogeneity in ADHD remains to be fully understood. This study aimed to characterize the differential within- and between-network functional connectivity (FC) changes in children with ADHD combined (ADHD-C) or inattentive (ADHD-I) subtypes and their associations with ADHD symptoms. We studied the task-free functional magnetic resonance imaging (fMRI) data of 58 boys with ADHD and 28 demographically matched healthy controls. We measured within- and between-network connectivity of both low-level (sensorimotor) and high-level (cognitive) large-scale intrinsic connectivity networks and network modularity. We found that children with ADHD-C but not those with ADHD-I exhibited hyper-connectivity within the anterior default mode network (DMN) compared with controls. Additionally, children with ADHD-C had higher inter-network FC between the left executive control (ECN) and the salience (SN) networks, between subcortical and visual networks, and between the DMN and left auditory networks than controls, while children with ADHD-I did not show differences compared with controls. Similarly, children with ADHD-C but not ADHD-I showed lower network modularity compared with controls. Importantly, these observed abnormal inter-network connectivity and network modularity metrics were associated with Child Behavioral Checklist (CBCL) attention-deficit/hyperactivity problems and internalizing problems in children with ADHD. This study revealed relatively greater loss of brain functional network segregation in childhood ADHD combined subtype compared to the inattentive subtype, suggesting differential large-scale functional brain network topology phenotype underlying childhood ADHD heterogeneity.

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)0,002
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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,056
Tête enseignante GPT0,345
Écart entre enseignants0,289 · 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

Citations93
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImage ClinicalMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207