Spatial Patterning of Tissue Volume Loss in Schizophrenia Reflects Brain Network Architecture
Notice bibliographique
Résumé
BACKGROUND: There is growing recognition that connectome architecture shapes cortical and subcortical gray matter atrophy across a spectrum of neurological and psychiatric diseases. Whether connectivity contributes to tissue volume loss in schizophrenia in the same manner remains unknown. METHODS: Here, we relate tissue volume loss in patients with schizophrenia to patterns of structural and functional connectivity. Gray matter deformation was estimated in a sample of 133 individuals with chronic schizophrenia (48 women, mean age 34.7 ± 12.9 years) and 113 control subjects (64 women, mean age 23.5 ± 8.4 years). Deformation-based morphometry was used to estimate cortical and subcortical gray matter deformation from T1-weighted magnetic resonance images. Structural and functional connectivity patterns were derived from an independent sample of 70 healthy participants using diffusion spectrum imaging and resting-state functional magnetic resonance imaging. RESULTS: We found that regional deformation is correlated with the deformation of structurally and functionally connected neighbors. Distributed deformation patterns are circumscribed by specific functional systems (the ventral attention network) and cytoarchitectonic classes (limbic class), with an epicenter in the anterior cingulate cortex. CONCLUSIONS: Altogether, the present study demonstrates that brain tissue volume loss in schizophrenia is conditioned by structural and functional connectivity, accounting for 25% to 35% of regional variance in deformation.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».