MétaCan
Menu
Retour à la cohorte
Enregistrement W2901145263 · doi:10.2147/ndt.s180569

Brain structural networks and connectomes: the brain–obesity interface and its impact on mental health

2018· article· en· W2901145263 sur OpenAlexaff
Vincent Chin‐Hung Chen, Yichun Liu, Seh‐Huang Chao, Roger S. McIntyre, Yena Lee, Jun‐Cheng Weng

Notice bibliographique

RevueNeuropsychiatric Disease and Treatment · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesChang Gung Medical FoundationNational Science Council
Mots-clésMedicineConnectomeObesityMental healthInterface (matter)NeurosciencePsychiatryEnvironmental healthFunctional connectivityPathology

Résumé

récupéré en direct d'OpenAlex

Purpose: Obesity is a complex and multifactorial disease identified as a global epidemic. Convergent evidence indicates that obesity differentially influences patients with neuropsychiatric disorders providing a basis for hypothesizing that obesity alters brain structure and function associated with the brain’s propensity toward disturbances in mood and cognition. Herein, we characterize alterations in brain structures and networks among obese subjects (ie, body mass index [BMI] ≥30 kg/m 2 ) when compared with non-obese controls. Patients and methods: We obtained noninvasive diffusion tensor imaging and generalized q-sampling imaging scans of 20 obese subjects (BMI=37.9±5.2 SD) and 30 non-obese controls (BMI=22.6±3.4 SD). Graph theoretical analysis and network-based statistical analysis were performed to assess structural and functional differences between groups. We additionally assessed for correlations between diffusion indices, BMI, and anxiety and depressive symptom severity (ie, Hospital Anxiety and Depression Scale total score). Results: The diffusion indices of the posterior limb of the internal capsule, corona radiata, and superior longitudinal fasciculus were significantly lower among obese subjects when compared with controls. Moreover, obese subjects were more likely to report anxiety and depressive symptoms. There were fewer structural network connections observed in obese subjects compared with non-obese controls. Topological measures of clustering coefficient (C), local efficiency (E local ), global efficiency (E global ), and transitivity were significantly lower among obese subjects. Similarly, three sub-networks were identified to have decreased structural connectivity among frontal–temporal regions in obese subjects compared with non-obese controls. Conclusion: We extend knowledge further by delineating structural interconnectivity alterations within and across brain regions that are adversely affected in individuals who are obese. Keywords: obesity, diffusion tensor imaging, DTI, generalized q-sampling imaging, GQI, graph theoretical analysis, GTA, network-based statistical analysis, NBS

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,445
Score d'incertitude au seuil0,836

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,317
Écart entre enseignants0,294 · 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 tête enseignante, 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

Citations29
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuropsychiatric Disease and TreatmentMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207