The neural basis of hot and cold cognition in depressed patients, unaffected relatives, and low-risk healthy controls: An fMRI investigation
Notice bibliographique
Résumé
BACKGROUND: Modern cognitive neuropsychological models of depression posit that negatively biased emotional ("hot") processing confers risk for depression, while preserved executive function ("cold") cognition promotes resilience. METHODS: We compared neural responses during hot and cold cognitive tasks in 99 individuals: those at familial risk for depression (N = 30 unaffected first-degree relatives of depressed individuals) and those currently experiencing a major depressive episode (N = 39 unmedicated depressed patients) with low-risk healthy controls (N = 30). Primary analyses assessed neural activation on two functional magnetic resonance imaging tasks previously associated with depression: dorsolateral prefrontal cortex (DLPFC) responsivity during the n-back working memory task; and amygdala and subgenual anterior cingulate cortex (sgACC) responsivity during incidental emotional face processing. RESULTS: Depressed patients exhibited significantly attenuated working memory-related DLPFC activation, compared to low-risk controls and unaffected relatives; unaffected relatives did not differ from low-risk controls. We did not observe a complementary pattern during emotion processing. However, we found preliminary support that greater DLPFC activation was associated with lower amygdala response during emotion processing. LIMITATIONS: These findings require confirmation in a longitudinal study to observe each individual's risk of developing depression; without this, we cannot identify the true risk level of the first-degree relative or low-risk control group. CONCLUSIONS: These findings have implications for understanding the neural mechanisms of risk and resilience in depression: they are consistent with the suggestion that preserved executive function might confer resilience to developing depression in first-degree relatives of depressed patients.
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 | 0,001 |
| 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) | 0,001 | 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 ».