Latent Clinical-Anatomical Dimensions of Schizophrenia
Notice bibliographique
Résumé
Widespread structural brain abnormalities have been consistently reported in schizophrenia, but their relation to the heterogeneous clinical manifestations remains unknown. In particular, it is unclear whether anatomical abnormalities in discrete regions give rise to discrete symptoms or whether distributed abnormalities give rise to the broad clinical profile associated with schizophrenia. Here, we apply a multivariate data-driven approach to investigate covariance patterns between multiple-symptom domains and distributed brain abnormalities in schizophrenia. Structural magnetic resonance imaging and clinical data were derived from one discovery sample (133 patients and 113 controls) and one independent validation sample (108 patients and 69 controls). Disease-related voxel-wise brain abnormalities were estimated using deformation-based morphometry. Partial least-squares analysis was used to comprehensively map clinical, neuropsychological, and demographic data onto distributed deformation in a single multivariate model. The analysis identified 3 latent clinical-anatomical dimensions that collectively accounted for 55% of the covariance between clinical data and brain deformation. The first latent clinical-anatomical dimension was replicated in an independent sample, encompassing cognitive impairments, negative symptom severity, and brain abnormalities within the default mode and visual networks. This cognitive-negative dimension was associated with low socioeconomic status and was represented across multiple races. Altogether, we identified a continuous cognitive-negative dimension of schizophrenia, centered on 2 intrinsic networks. By simultaneously taking into account both clinical manifestations and neuroanatomical abnormalities, the present results open new avenues for multi-omic stratification and biotyping of individuals with schizophrenia.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».