MétaCan
Menu
Retour à la cohorte
Enregistrement W3105313416 · doi:10.1016/j.neuroimage.2020.117547

Cortical gradients of functional connectivity are robust to state-dependent changes following sleep deprivation

2020· article· en· W3105313416 sur OpenAlexafffund
Nathan Cross, Casey Paquola, Florence B. Pomares, Aurore A. Perrault, Aude Jegou, Alex Nguyen, Ümit Aydın, Boris C. Bernhardt, Christophe Grova, Thien Thanh Dang‐Vu

Notice bibliographique

RevueNeuroImage · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensMcGill UniversityMontreal Neurological Institute and HospitalConcordia UniversityCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchHospital for Sick ChildrenTour du ValatCanada Foundation for InnovationConcordia UniversityCanada Research Chairs
Mots-clésSleep deprivationDefault mode networkEffects of sleep deprivation on cognitive performanceFunctional magnetic resonance imagingNeurosciencePosterior cingulatePsychologyPrecuneusCognitionNapAnterior cingulate cortexVisual cortexCortex (anatomy)Vigilance (psychology)Functional connectivityWorking memory

Résumé

récupéré en direct d'OpenAlex

Sleep deprivation leads to significant impairments in cognitive performance and changes to the interactions between large scale cortical networks, yet the hierarchical organization of cortical activity across states is still being explored. We used functional magnetic resonance imaging to assess activations and connectivity during cognitive tasks in 20 healthy young adults, during three states: (i) following a normal night of sleep, (ii) following 24hr of total sleep deprivation, and (iii) after a morning recovery nap. Situating cortical activity during cognitive tasks along hierarchical organizing gradients based upon similarity of functional connectivity patterns, we found that regional variations in task-activations were captured by an axis differentiating areas involved in executive control from default mode regions and paralimbic cortex. After global signal regression, the range of functional differentiation along this axis at baseline was significantly related to decline in working memory performance (2-back task) following sleep deprivation, as well as the extent of recovery in performance following a nap. The relative positions of cortical regions within gradients did not significantly change across states, except for a lesser differentiation of the visual system and increased coupling of the posterior cingulate cortex with executive control areas after sleep deprivation. This was despite a widespread increase in the magnitude of functional connectivity across the cortex following sleep deprivation. Cortical gradients of functional differentiation thus appear relatively insensitive to state-dependent changes following sleep deprivation and recovery, suggesting that there are no large-scale changes in cortical functional organization across vigilance states. Certain features of particular gradient axes may be informative for the extent of decline in performance on more complex tasks following sleep deprivation, and could be beneficial over traditional voxel- or parcel-based approaches in identifying realtionships between state-dependent brain activity 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 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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,052
Tête enseignante GPT0,257
Écart entre enseignants0,205 · 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

Citations69
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuroImageMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207