Frontoparietal and salience network alterations in obsessive–compulsive disorder: insights from independent component and sliding time window analyses
Notice bibliographique
Résumé
Background: Resting-state functional MRI (fMRI) studies commonly report alterations in 3 core networks in obsessive–compulsive disorder (OCD) — the frontoparietal network, the default mode network and the salience network — defined by functionally connected infraslow oscillations in ongoing brain activity. However, most of these studies observed static functional connectivity in the brains of patients with OCD. Methods: To investigate dynamic functional connectivity alterations and widen the evidence base toward the triple network model in OCD, we performed group-based independent component and sliding time window analyses in 49 patients with OCD and 41 healthy controls. Results: The traditional independent component analysis showed alterations in the left frontoparietal network as well as between the left and right frontoparietal networks in patients with OCD compared with healthy controls. For dynamic functional connectivity, the sliding time window approach revealed peak dysconnectivity between the left and right frontoparietal networks and between the left frontoparietal network and the salience network. Limitations: The number of independent components, noise in the resting-state fMRI images, the heterogeneity of the OCD sample, and comorbidities and medication status in the patients could have biased the results. Conclusion: Disrupted modulation of these intrinsic brain networks may contribute to the pathophysiology of OCD.
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 | 0,002 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».