Evoked and intrinsic brain network dynamics in children with autism spectrum disorder
Notice bibliographique
Résumé
OBJECTIVE: Brain dynamics underlie flexible cognition and behavior, yet little is known regarding this relationship in autism spectrum disorder (ASD). We examined time-varying changes in functional co-activation patterns (CAPs) across rest and task-evoked brain states to characterize differences between children with ASD and typically developing (TD) children and identify relationships with severity of social behaviors and restricted and repetitive behaviors. METHOD: 17 children with ASD and 27 TD children ages 7-12 completed a resting-state fMRI scan and four runs of a non-cued attention switching task. Metrics indexing brain dynamics were generated from dynamic CAPs computed across three major large-scale brain networks: midcingulo-insular (M-CIN), medial frontoparietal (M-FPN), and lateral frontoparietal (L-FPN). RESULTS: Five time-varying CAPs representing dynamic co-activations among network nodes were identified across rest and task fMRI datasets. Significant Diagnosis × Condition interactions were observed for the dwell time of CAP 3, representing co-activation between nodes of the M-CIN and L-FPN, and the frequency of CAP 1, representing co-activation between nodes of the L-FPN. A significant brain-behavior association between dwell time of CAP 5, representing co-activation between nodes of the M-FPN, and social abilities was also observed across both groups of children. CONCLUSION: Analysis of brain co-activation patterns reveals altered dynamics among three core networks in children with ASD, particularly evident during later stages of an attention task. Dimensional analyses demonstrating relationships between M-FPN dwell time and social abilities suggest that metrics of brain dynamics may index individual differences in social cognition and behavior.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».