MétaCan
Menu
← Retour à la cohorte
Enregistrement W3015460301 · doi:10.1101/2020.04.06.20050013

Functional Connectivity based Brain Signatures of Behavioral Regulation in Children with ADHD, DCD and ADHD-DCD

2020· preprint· en· W3015460301 sur OpenAlexafffund
Christiane S. Rohr, Signe Bray, Deborah Dewey

Notice bibliographique

RevuemedRxiv · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchAlberta Innovates
Mots-clésAttention deficit hyperactivity disorderPsychologyBrain activity and meditationTypically developingPrefrontal cortexFunctional connectivityNeuroscienceCognitionDevelopmental psychologyClinical psychologyElectroencephalography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Children with neurodevelopmental disorders such as Attention Deficit Hyperactivity Disorder (ADHD) often struggle with behavioral self-regulation (BR), which is associated with daily-life challenges. ADHD sometimes presents with Developmental Coordination Disorder (DCD), but little is known about BR in DCD. BR is thought to involve limbic, prefrontal, parietal and temporal brain areas. Given the risk for negative outcomes, gaining a better understanding of the brain mechanisms underlying BR in children with ADHD and/or DCD is imperative. Methods Resting-state fMRI data collected from 115 children (31 typically developing (TD), 35 ADHD, 21 DCD, 28 ADHD-DCD) aged 7-17 years were preprocessed and motion was mitigated using ICA-AROMA. Emotion control, inhibition, and shifting were assessed as subdomains of BR. Functional connectivity (FC) maps were computed for ten limbic, prefrontal, parietal and temporal regions of interest and were investigated for associations with BR subdomains across all participants as well as for significant group differences. Results Multiple FC patterns were associated with BR across all participants. Some FC patterns were associated with multiple BR subdomains, while others were associated with only one. Differences in BR were found only between children with ADHD (i.e. ADHD and ADHD-DCD) and those without ADHD (i.e. TD and DCD). FC differences were also found between children with and without ADHD. Conclusions Our results show dimensional associations between BR subdomain scores and whole-brain FC and highlight the potential of these associative patterns as brain-based signatures of BR in children with and without ADHD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,313
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetAttention Deficit Hyperactivity Disorder→Travaux en français237 207→