Extremely preterm children demonstrate hyperconnectivity during verb generation: A multimodal approach
Notice bibliographique
Résumé
Children born extremely preterm (EPT, <28 weeks gestation) are at risk for delays in development, including language. We use fMRI-constrained magnetoencephalography (MEG) during a verb generation task to assess the extent and functional connectivity (phase locking value, or PLV) of language networks in a large cohort of EPT children and their term comparisons (TC). 73 participants, aged 4 to 6 years, were enrolled (42 TC, 31 EPT). There were no significant group differences in age, sex, race, ethnicity, parental education, or family income. There were significant group differences in expressive language scores (p < 0.05). Language representation was not significantly different between groups on fMRI, with task-specific activation involving bilateral temporal and left inferior frontal cortex. There were group differences in functional connectivity seen in MEG. To identify a possible subnetwork contributing to focal spectral differences in connectivity, we ran Network Based Statistics analyses. For both beta (20-25 Hz) and gamma (61-70 Hz) bands, we observed a subnetwork showing hyperconnectivity in the EPT group (p < 0.05). Network strength was computed for the beta and gamma subnetworks and assessed for correlation with language performance. For the EPT group exclusively, strength of the subnetwork identified in the gamma frequency band was positively correlated with expressive language scores (r = 0.318, p < 0.05). Thus, hyperconnectivity is positively related to language for EPT children and might represent a marker for resiliency in this population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».