MétaCan
Menu
Retour à la cohorte
Enregistrement W3085275245 · doi:10.1002/aur.2393

Reduced Language Lateralization in Autism and the Broader Autism Phenotype as Assessed with Robust Individual‐Subjects Analyses

2020· article· en· W3085275245 sur OpenAlexaff
Olessia Jouravlev, Alexander J.E. Kell, Zachary Mineroff, Amanda J. Haskins, Dima Ayyash, Nancy Kanwisher, Evelina Fedorenko

Notice bibliographique

RevueAutism Research · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensCarleton University
Organismes subventionnairesSimons Center for the Social Brain, Massachusetts Institute of TechnologyMcGovern Institute for Brain Research, Massachusetts Institute of TechnologyNational Institutes of HealthSimons FoundationFoundation for the National Institutes of Health
Mots-clésNeurotypicalLateralization of brain functionAutismPsychologyFunctional magnetic resonance imagingAutism spectrum disorderDevelopmental psychologyNeuropsychologyPopulationCognitionCognitive psychologyAudiologyNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

One of the few replicated functional brain differences between individuals with autism spectrum disorders (ASD) and neurotypical (NT) controls is reduced language lateralization. However, most prior reports relied on comparisons of group-level activation maps or functional markers that had not been validated at the individual-subject level, and/or used tasks that do not isolate language processing from other cognitive processes, complicating interpretation. Furthermore, few prior studies have examined functional responses in other brain networks, as needed to determine the spatial selectivity of the effect. Using functional magnetic resonance imaging (fMRI), we compared language lateralization between 28 adult ASD participants and carefully pairwise-matched controls, with the language regions defined individually using a well-validated language "localizer" task. Across two language comprehension paradigms, ASD participants showed less lateralized responses due to stronger right hemisphere activity. Furthermore, this effect did not stem from a ubiquitous reduction in lateralization of function across the brain: ASD participants did not differ from controls in the lateralization of two other large-scale networks-the Theory of Mind network and the Multiple Demand network. Finally, in an exploratory study, we tested whether reduced language lateralization may also be present in NT individuals with high autism-like traits. Indeed, autistic trait load in a large set of NT participants (n = 189) was associated with less lateralized language responses. These results suggest that reduced language lateralization is robustly associated with autism and, to some extent, with autism-like traits in the general population, and this lateralization reduction appears to be restricted to the language system. LAY SUMMARY: How do brains of individuals with autism spectrum disorders (ASD) differ from those of neurotypical (NT) controls? One of the most consistently reported differences is the reduction of lateralization during language processing in individuals with ASD. However, most prior studies have used methods that made this finding difficult to interpret, and perhaps even artifactual. Using robust individual-level markers of lateralization, we found that indeed, ASD individuals show reduced lateralization for language due to stronger right-hemisphere activity. We further show that this reduction is not due to a general reduction of lateralization of function across the brain. Finally, we show that greater autistic trait load is associated with less lateralized language responses in the NT population. These results suggest that reduced language lateralization is robustly associated with autism and, to some extent, with autism-like traits in the general population. Autism Res 2020, 13: 1746-1761. © 2020 International Society for Autism Research and Wiley Periodicals LLC.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,158
Tête enseignante GPT0,405
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAutism ResearchMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207