What we learn about bipolar disorder from large‐scale neuroimaging: Findings and future directions from the <scp>ENIGMA</scp> Bipolar Disorder Working Group
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
MRI-derived brain measures offer a link between genes, the environment and behavior and have been widely studied in bipolar disorder (BD). However, many neuroimaging studies of BD have been underpowered, leading to varied results and uncertainty regarding effects. The Enhancing Neuro Imaging Genetics through Meta-Analysis (ENIGMA) Bipolar Disorder Working Group was formed in 2012 to empower discoveries, generate consensus findings and inform future hypothesis-driven studies of BD. Through this effort, over 150 researchers from 20 countries and 55 institutions pool data and resources to produce the largest neuroimaging studies of BD ever conducted. The ENIGMA Bipolar Disorder Working Group applies standardized processing and analysis techniques to empower large-scale meta- and mega-analyses of multimodal brain MRI and improve the replicability of studies relating brain variation to clinical and genetic data. Initial BD Working Group studies reveal widespread patterns of lower cortical thickness, subcortical volume and disrupted white matter integrity associated with BD. Findings also include mapping brain alterations of common medications like lithium, symptom patterns and clinical risk profiles and have provided further insights into the pathophysiological mechanisms of BD. Here we discuss key findings from the BD working group, its ongoing projects and future directions for large-scale, collaborative studies of mental illness.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 découle