MétaCan
Menu
Retour à la cohorte
Enregistrement W3122153357 · doi:10.1038/s41386-021-00967-x

Accelerated brain aging predicts impulsivity and symptom severity in depression

2021· article· en· W3122153357 sur OpenAlexafffund
Katharine Dunlop, Lindsay W. Victoria, Jonathan Downar, Faith M. Gunning, Conor Liston

Notice bibliographique

RevueNeuropsychopharmacology · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchU.S. Department of Health and Human ServicesGovernment of CanadaHope for Depression Research FoundationNational Institute of Mental HealthRita Allen FoundationNational Institute on Drug AbuseBrain and Behavior Research Foundation
Mots-clésImpulsivityMajor depressive disorderPsychologyDepression (economics)NeuroimagingLate life depressionCognitionResting state fMRITranscranial magnetic stimulationPrefrontal cortexEffects of sleep deprivation on cognitive performanceNeurosciencePsychiatryStimulation

Résumé

récupéré en direct d'OpenAlex

Multiple structural and functional neuroimaging measures vary over the course of the lifespan and can be used to predict chronological age. Accelerated brain aging, as quantified by deviations in the MRI-based predicted age with respect to chronological age, is associated with risk for neurodegenerative conditions, bipolar disorder, and mortality. Whether age-related changes in resting-state functional connectivity are accelerated in major depressive disorder (MDD) is unknown, and, if so, it is unclear if these changes contribute to specific cognitive weaknesses that often occur in MDD. Here, we delineated age-related functional connectivity changes in a large sample of normal control subjects and tested whether brain aging is accelerated in MDD. Furthermore, we tested whether accelerated brain aging predicts individual differences in cognitive function. We trained a support vector regression model predicting age using resting-state functional connectivity in 710 healthy adults aged 18-89. We applied this model trained on normal aging subjects to a sample of actively depressed MDD participants (n = 109). The difference between predicted brain age and chronological age was 2.11 years greater (p = 0.015) in MDD patients compared to control participants. An older MDD brain age was significantly associated with increased impulsivity and, in males, increased depressive severity. Unexpectedly, accelerated brain aging was also associated with increased placebo response in a sham-controlled trial of high-frequency repetitive transcranial magnetic stimulation targeting the dorsomedial prefrontal cortex. Our results indicate that MDD is associated with accelerated brain aging, and that accelerated aging is selectively associated with greater impulsivity and depression severity.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 Opus0,032
Tête enseignante GPT0,322
Écart entre enseignants0,290 · 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

Citations54
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeuropsychopharmacologyMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207