Functional connectivity associated with improvement in emotion management after cognitive enhancement therapy in early-course schizophrenia
Notice bibliographique
Résumé
BACKGROUND: The ability to manage emotions is an important social-cognitive domain impaired in schizophrenia and linked to functional outcome. The goal of our study was to examine the impact of cognitive enhancement therapy (CET) on the ability to manage emotions and brain functional connectivity in early-course schizophrenia. METHODS: = 45). The resting-state functional magnetic resonance imaging scans and measures of emotion management performances were collected at baseline, 9, and 18 months follow-up. The final sample consisted of 37 CET and 25 EST participants, including 19 CET and 12 EST participants with imaging data. Linear mixed-effects models investigated the impact of treatment on emotion management and functional connectivity from the amygdala to ventrolateral and dorsolateral prefrontal cortex (dlPFC). RESULTS: The CET group showed significant improvement over time in emotion management compared to EST. Neither functional connectivity changes nor main group differences were observed following treatment. However, a significant between-group interaction showed that improved emotion management ability was associated with increased functional connectivity between the left amygdala and the left dlPFC in the CET group exclusively. CONCLUSION: Our results replicate the previous work demonstrating that CET is effective at improving some aspects of social cognition in schizophrenia. We found evidence that improvement in emotion management may be associated with a change in amygdala-dlPFC connectivity. This fronto-limbic circuit may provide a mechanistic link between the biology of emotion management processes that can be enhanced in 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 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».