Using network analysis to explore cognitive domains in patients with unipolar versus bipolar depression: a prospective naturalistic study
Notice bibliographique
Résumé
OBJECTIVE: Despite growing evidence in the field of cognitive function in mood disorders, the neurocognitive profiles of patients with unipolar and bipolar depression still need further characterization. In this study, we applied network analysis, hypothesizing this approach could highlight differences between major depressive disorder (MDD) and bipolar disorder (BD) from a cognitive perspective. METHODS: The cognitive performance of 109 patients (72 unipolar and 37 bipolar depressed outpatients) was assessed through the Montreal Cognitive Assessment (MoCA), and a series of clinical variables were collected. Differences in cognitive performance between MDD and BD patients were tested using non-parametric tests. Moreover, a network graph representing MoCA domains as nodes and Spearman's rho correlation coefficients between the domains as edges was constructed for each group. RESULTS: The presence of mild cognitive impairment was observed in both MDD and BD patients during depression. No statistical significant difference was found between the two groups in terms of overall cognitive performance and across single domains. Nonetheless, network analytic metrics demonstrated different roles of memory and executive dysfunction in MDD versus BD patients: in particular, MDD network was more densely interconnected than BD network, and memory was the node with the highest betweenness and closeness centrality in MDD, while executive function was more central in BD. CONCLUSIONS: From a network analytic perspective, memory impairment displays a central role in the cognitive impairment of patients with unipolar depression, whereas executive dysfunction appears to be more central in bipolar depression. Further research is warranted to confirm our results.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».