Subgenual cingulate connectivity and hippocampal activation are related to MST therapeutic and adverse effects
Notice bibliographique
Résumé
Aberrant connectivity between the dorsolateral prefrontal cortex (DLPFC) and the subgenual cingulate cortex (SGC) has been linked to the pathophysiology of depression. Indirect evidence also links hippocampal activation to the cognitive side effects of seizure treatments. Magnetic seizure therapy (MST) is a novel treatment for patients with treatment resistant depression (TRD). Here we combine transcranial magnetic stimulation with electroencephalography (TMS-EEG) to evaluate the effects of MST on connectivity and activation between the DLPFC, the SGC and hippocampus (Hipp) in patients with TRD. The TMS-EEG was collected from 31 TRD patients prior to and after an MST treatment trial. Through TMS-EEG methodology we evaluated significant current scattering (SCS) as an index of effective connectivity between the SGC and left DLPFC. Significant current density (SCD) was used to assess activity at the level of the Hipp. The SCS between the SGC and DLPFC was reduced after the course of MST (p < 0.036). The DLPFC-SGC effective connectivity reduction correlated with the changes in Hamilton depression score pre-to-post treatment (R = 0.46; p < 0.031). The SCD localized to the Hipp was reduced after the course of MST (p < 0.015), and the SCD change was correlated with montreal cognitive assessment (MOCA) scores pre-post the course of MST (R = -0.59; p < 0.026). Our findings suggest that MST treatment is associated with SGC-DLPFC connectivity reduction and that changes to cognition are associated with Hipp activation reduction. These findings demonstrate two distinct processes which drive efficacy and side effects separately, and might eventually aid in delineating physiological TRD targets in clinical settings.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».