Common and unique connectivity at the interface of motor, neuropsychiatric, and cognitive symptoms in Parkinson's disease: A commonality analysis
Notice bibliographique
Résumé
Parkinson's disease (PD) is characterized by overlapping motor, neuropsychiatric, and cognitive symptoms. Worse performance in one domain is associated with worse performance in the other domains. Commonality analysis (CA) is a method of variance partitioning in multiple regression, used to separate the specific and common influence of collinear predictors. We apply, for the first time, CA to the functional connectome to investigate the unique and common neural connectivity underlying the interface of the symptom domains in 74 non-demented PD subjects. Edges were modeled as a function of global motor, cognitive, and neuropsychiatric scores. CA was performed, yielding measures of the unique and common contribution of the symptom domains. Bootstrap confidence intervals were used to determine the precision of the estimates and to directly compare each commonality coefficient. The overall model identified a network with the caudate nucleus as a hub. Neuropsychiatric impairment accounted for connectivity in the caudate-dorsal anterior cingulate and caudate-right dorsolateral prefrontal-right inferior parietal circuits, while caudate-medial prefrontal connectivity reflected a unique effect of both neuropsychiatric and cognitive impairment. Caudate-precuneus connectivity was explained by both unique and shared influence of neuropsychiatric and cognitive symptoms. Lastly, posterior cortical connectivity reflected an interplay of the unique and common effects of each symptom domain. We show that CA can determine the amount of variance in the connectome that is unique and shared amongst motor, neuropsychiatric, and cognitive symptoms in PD, thereby improving our ability to interpret the data while gaining novel insight into networks at the interface of these symptom domains.
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 | 0,000 |
| 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) | 0,000 | 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 ».