A Neural Signature of Parkinsonism in Patients With Schizophrenia Spectrum Disorders: A Multimodal MRI Study Using Parallel ICA
Notice bibliographique
Résumé
Motor abnormalities in schizophrenia spectrum disorders (SSD) have increasingly attracted scientific interest in the past years. However, the neural mechanisms underlying parkinsonism in SSD are unclear. The present multimodal magnetic resonance imaging (MRI) study examined SSD patients with and without parkinsonism, as defined by a Simpson and Angus Scale (SAS) total score of ≥4 (SAS group, n = 22) or <4 (non-SAS group, n = 22). Parallel independent component analysis (p-ICA) was used to examine the covarying components among gray matter volume maps computed from structural MRI (sMRI) and fractional amplitude of low-frequency fluctuations (fALFF) maps computed from resting-state functional MRI (rs-fMRI) patient data. We found a significant correlation (P = .020, false discovery rate [FDR] corrected) between an sMRI component and an rs-fMRI component, which also significantly differed between the SAS and non-SAS group (P = .042, z = -2.04). The rs-fMRI component comprised the cortical sensorimotor network, and the sMRI component included predominantly a frontothalamic/cerebellar network. Across the patient sample, correlations adjusted for the Positive and Negative Syndrome Scale (PANSS) total scores showed a significant relationship between tremor score and loadings of the cortical sensorimotor network, as well as between glabella-salivation score, frontothalamic/cerebellar and cortical sensorimotor network loadings. These data provide novel insights into neural mechanisms of parkinsonism in SSD. Aberrant bottom-up modulation of cortical motor regions may account for these specific motor symptoms, at least in patients with SSD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».