Aberrant limbic brain structures in young individuals at risk for mental illness
Notice bibliographique
Résumé
AIM: Alterations in limbic structures may be present before the onset of serious mental illness, but whether subfield-specific limbic brain changes parallel stages in clinical risk is unknown. To address this gap, we compared the hippocampus, amygdala, and thalamus subfield-specific volumes in adolescents at various stages of risk for mental illness. METHODS: MRI scans were obtained from 182 participants (aged 12-25 years) from the Canadian Psychiatric Risk and Outcome study. The sample comprised of four groups: asymptomatic youth at risk due to family history of mental illness (Stage 0, n = 32); youth with early symptoms of distress (Stage 1a, n = 41); youth with subthreshold psychotic symptoms (Stage 1b, n = 72); and healthy comparison participants with no family history of serious mental illness (n = 37). Analyses included between-group comparisons of brain measurements and correlational analyses that aimed to identify significant associations between neuroimaging and clinical measurements. A machine-learning technique examined the discriminative properties of the clinical staging model. RESULTS: Subfield-specific limbic volume deficits were detected at every stage of risk for mental illness. A machine-learning classifier identified volume deficits within the body of the hippocampus, left amygdala nuclei, and medial-lateral nuclei of the thalamus that were most informative in differentiating between risk stages. CONCLUSION: Aberrant subfield-specific changes within the limbic system may serve as biological evidence to support transdiagnostic clinical staging in mental illness. Differential patterns of volume deficits characterize those at risk for mental illness and may be indicative of a risk-stage progression.
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 | 0,001 |
| 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 ».