MétaCan
Menu
Retour à la cohorte
Enregistrement W3112582802 · doi:10.3389/fnhum.2020.587019

Exploring the Neural Structures Underlying the Procedural Memory Network as Predictors of Language Ability in Children and Adolescents With Autism Spectrum Disorder and Attention Deficit Hyperactivity Disorder

2020· article· en· W3112582802 sur OpenAlexafffund
Teenu Sanjeevan, Christopher Hammill, Jessica Brian, Jennifer Crosbie, Russell Schachar, Elizabeth Kelley, Xudong Liu, Rob Nicolson, Alana Iaboni, Susan Day Fragiadakis, Leanne Ristic, Jason P. Lerch, Evdokia Anagnostou

Notice bibliographique

RevueFrontiers in Human Neuroscience · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensQueen's UniversityUniversity of TorontoHospital for Sick ChildrenWestern UniversityHolland Bloorview Kids Rehabilitation Hospital
Organismes subventionnairesOntario Brain Institute
Mots-clésPsychologyAutism spectrum disorderProcedural memoryCognitionFunctional magnetic resonance imagingCognitive psychologyInferior frontal gyrusAttention deficit hyperactivity disorderAutismDevelopmental psychologyAudiologyNeuroscienceClinical psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: There is significant overlap in the type of structural language impairments exhibited by children with autism spectrum disorder (ASD) and children with attention deficit hyperactivity disorder (ADHD). This similarity suggests that the cognitive impairment(s) contributing to the structural language deficits in ASD and ADHD may be shared. Previous studies have speculated that procedural memory deficits may be the shared cognitive impairment. The procedural deficit hypothesis (PDH) argues that language deficits can be explained by differences in the neural structures underlying the procedural memory network. This hypothesis is based on the premise that the neural structures comprising the procedural network support language learning. In this study, we aimed to test the PDH in children with ASD, ADHD, and typical development (TD). Methods: One hundred and sixty-three participants (ages 10–21): 91 with ASD, 26 with ADHD, and 46 with TD, completed standardized measures of cognitive and language ability as well as structural magnetic resonance imaging. We compared the structural language abilities, the neural structures underlying the procedural memory network, and the relationship between structural language and neural structure across diagnostic groups. Results: Our analyses revealed that while the structural language abilities differed across ASD, ADHD, and TD groups, the thickness, area, and volume of the structures supporting the procedural memory network were not significantly different between diagnostic groups. Also, several neural structures were associated with structural language abilities across diagnostic groups. Only two of these structures, the inferior frontal gyrus, and the left superior parietal gyrus, are known to be linked to the procedural memory network. Conclusions: The inferior frontal gyrus and the left superior parietal gyrus, have well-established roles in language learning independent of their role as part of the procedural memory system. Other structures such as the caudate and cerebellum, with critical roles in the procedural memory network, were not associated with structural language abilities across diagnostic groups. It is unclear whether the procedural memory network plays a fundamental role in language learning in ASD, ADHD, and TD.

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)0,002
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,270
Écart entre enseignants0,238 · 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Human NeuroscienceMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207