Structural Covariance Reveals Alterations in Control and Salience Network Integrity in Chronic Schizophrenia
Notice bibliographique
Résumé
Schizophrenia (SCZ) is recognized as a disorder of distributed brain dysconnectivity. While progress has been made delineating large-scale functional networks in SCZ, little is known about alterations in grey matter integrity of these networks. We used a multivariate approach to identify the structural covariance of the salience, default, motor, visual, fronto-parietal control, and dorsal attention networks. We derived individual scores reflecting covariance in each structural image for a given network. Seed-based multivariate analyses were conducted on structural images in a discovery (n = 90) and replication (n = 74) sample of SCZ patients and healthy controls. We first validated patterns across all networks, consistent with well-established functional connectivity reports. Next, across two SCZ samples, we found reliable and robust reductions in structural integrity of the fronto-parietal control and salience networks, but not default, dorsal attention, motor and sensory networks. Well-powered exploratory analyses failed to identify relationships with symptoms. These findings provide evidence of selective structural decline in associative networks in SCZ. Such decline may be linked with recently identified functional disturbances in associative networks, providing more sensitive multi-modal network-level probes in SCZ. Absence of symptom effects suggests that identified disturbances may underlie a trait-type marker in SCZ.
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 | 0,002 |
| 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 ».