Widespread white matter microstructural abnormalities in bipolar disorder: evidence from mega- and meta-analyses across 3033 individuals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fronto-limbic white matter (WM) abnormalities are assumed to lie at the heart of the pathophysiology of bipolar disorder (BD); however, diffusion tensor imaging (DTI) studies have reported heterogeneous results and it is not clear how the clinical heterogeneity is related to the observed differences. This study aimed to identify WM abnormalities that differentiate patients with BD from healthy controls (HC) in the largest DTI dataset of patients with BD to date, collected via the ENIGMA network. We gathered individual tensor-derived regional metrics from 26 cohorts leading to a sample size of N = 3033 (1482 BD and 1551 HC). Mean fractional anisotropy (FA) from 43 regions of interest (ROI) and average whole-brain FA were entered into univariate mega- and meta-analyses to differentiate patients with BD from HC. Mega-analysis revealed significantly lower FA in patients with BD compared with HC in 29 regions, with the highest effect sizes observed within the corpus callosum (R2 = 0.041, Pcorr < 0.001) and cingulum (right: R2 = 0.041, left: R2 = 0.040, Pcorr < 0.001). Lithium medication, later onset and short disease duration were related to higher FA along multiple ROIs. Results of the meta-analysis showed similar effects. We demonstrated widespread WM abnormalities in BD and highlighted that altered WM connectivity within the corpus callosum and the cingulum are strongly associated with BD. These brain abnormalities could represent a biomarker for use in the diagnosis of BD. Interactive three-dimensional visualization of the results is available at www.enigma-viewer.org.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle