Microstructural Findings in White Matter Associated with Cannabis and Alcohol Use in Early-Phase Psychosis: A Diffusion Tensor Imaging and Relaxometry Study
Notice bibliographique
Résumé
Accumulating evidence suggests that brain white matter (WM) abnormalities may be central to the pathophysiology of psychotic disorders. In addition, there is evidence that cannabis use and alcohol use each is associated with WM abnormalities. However, there are very limited data on the effects of these substances on WM microstructure in patients with psychosis, especially for those at the early phase of illness. This project aimed to examine the impact of cannabis use and alcohol use on WM tissue in early-phase psychosis (EPP). WM was investigated in 21 patients with EPP using diffusion tensor imaging (DTI) and transverse relaxation time of tissue water (T2), with the primary outcomes being mean fractional anisotropy (FA) and T2. DTI analyses were performed at the full-brain level using tract-based spatial statistics with both DTI and T2 analysis done within a WM volume of interest (VOI) implicated in psychosis (containing the left superior longitudinal fasciculus). Our findings revealed that younger age of onset of regular alcohol use (more than one drink per week) was associated with lower FA values in the left thalamic radiation and left parahippocampal and left amygdalar WM. More frequent lifetime cannabis use was correlated with increased mean full-brain FA. There was no significant relationship found between FA and alcohol or cannabis use within the VOI. Relaxometry analysis revealed trend-level evidence of shortened T2 with later onset of regular alcohol use and with more frequent cannabis use. This study provides novel data demonstrating cortical and subcortical WM findings related to alcohol use in EPP and is the first to combine DTI and relaxometry, relating to this patient population.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».