PTSD and its dissociative subtype through the lens of the insula: Anterior and posterior insula resting‐state functional connectivity and its predictive validity using machine learning
Notice bibliographique
Résumé
Individuals with post-traumatic stress disorder (PTSD) typically experience states of reliving and hypervigilance; however, the dissociative subtype of PTSD (PTSD+DS) presents with additional symptoms of depersonalization and derealization. Although the insula is critical to emotion processing, its association with these contrasting symptom profiles is yet to be fully delineated. Accordingly, we investigated insula subregion resting-state functional connectivity patterns among individuals with PTSD, PTSD+DS, and healthy controls. Using SPM12 and PRONTO software, we implemented a seed-based resting-state functional connectivity approach, along with multiclass Gaussian process classification machine learning, respectively, in order to evaluate unique patterns and the predictive validity of insula subregion connectivity among individuals with PTSD (n = 84), PTSD+DS (n = 49), and age-matched healthy controls (n = 51). As compared to PTSD and PTSD+DS, healthy controls showed increased right anterior and posterior insula connectivity with frontal lobe structures. By contrast, PTSD showed increased bilateral posterior insula connectivity with subcortical structures, including the periaqueductal gray. Strikingly, as compared to PTSD and controls, PTSD+DS showed increased bilateral anterior and posterior insula connectivity with posterior cortices, including the left lingual gyrus and the left precuneus. Moreover, machine learning analyses were able to classify PTSD, PTSD+DS, and controls using insula subregion connectivity patterns with 80.4% balanced accuracy (p < .01). These findings suggest a neurobiological distinction between PTSD and its dissociative subtype with regard to insula subregion functional connectivity patterns. Furthermore, machine learning algorithms were able to utilize insula resting-state connectivity patterns to discriminate between participant groups with high predictive accuracy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».