Prefrontal Cortical Reactivity and Connectivity Markers Distinguish Youth Depression from Healthy Youth
Notice bibliographique
Résumé
Up to 50% of youth with depression do not respond to conventional first-line treatments. However, little research has been conducted on the pathophysiology of youth depression, hindering the identification of more effective treatments. Our goal was to identify neurophysiological markers that differentiate youth with depression from healthy youth and could serve as targets of novel treatments. We hypothesized that youth with depression would exhibit network-specific cortical reactivity and connectivity abnormalities compared with healthy youth. Transcranial magnetic stimulation combined with electroencephalography and magnetic resonance imaging was employed in combination with clinical and behavioral assessments to study cortical reactivity and connectivity in bilateral dorsolateral prefrontal cortex (DLPFC), motor cortex, and inferior parietal lobule, sites linked to the frontoparietal network, sensorimotor network, and default mode network, respectively. In youth depression, greater cortical reactivity was observed specific to the left and right DLPFC stimulation only, which correlated with anhedonia scores. Additionally, the connectivity of the right DLPFC was significantly higher in youth depression. Source reconstruction attributed the observed connectivity dysregulation to regions belonging to the default mode network. The neurophysiological signatures identified in this study have high potential to inform the development of more effective and targeted interventions for the youth depression population.
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 | 0,016 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».