Functional Decoupling of Language and Self-Reference Networks in Patients with Persistent Auditory Verbal Hallucinations
Notice bibliographique
Résumé
BACKGROUND: Accumulating neuroimaging evidence suggests that abnormal intrinsic neural activity could underlie auditory verbal hallucinations (AVH) in patients with schizophrenia. However, little is known about the functional interplay between distinct intrinsic neural networks and their association with AVH. METHODS: We investigated functional network connectivity (FNC) of distinct resting-state networks as well as the relationship between FNC strength and AVH symptom severity. Resting-state functional MRI data at 3 T were obtained for 14 healthy controls and 10 patients with schizophrenia presenting with persistent AVH. The data were analyzed using a spatial group independent component analysis, followed by constrained maximal lag correlations to determine FNC within and between groups. RESULTS: Four components of interest, comprising language, attention, executive control networks, as well as the default-mode network (DMN), were selected for subsequent FNC analyses. Patients with persistent AVH showed lower FNC between the language network and the DMN (p < 0.05, corrected for false discovery rate). FNC strength, however, was not significantly related to symptom severity, as measured by the Psychotic Symptom Rating Scale. CONCLUSION: These findings suggest that disrupted FNC between a speech-related system and a network subserving self-referential processing is associated with AVH. The data are consistent with a model of disrupted self-attribution of speech generation and perception.
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 | 0,001 |
| 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) | 0,000 | 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 ».