Mapping working memory-specific dysfunction using a transdiagnostic approach
Notice bibliographique
Résumé
BACKGROUND: Working memory (WM) is an executive ability that allows one to hold and manipulate information for a short period of time. Schizophrenia and mood disorders are severe psychiatric conditions with overlapping genetic and clinical symptoms. Whilst WM has been suggested as meeting the criteria for being an endophenotype for schizophrenia and mood disorders, it still unclear whether they share overlapping neural circuitry. OBJECTIVE: The n-back task has been widely used to measure WM capacity, such as maintenance, flexible updating, and interference control. Here we compiled studies that included psychiatric populations, i.e., schizophrenia, bipolar disorder and major depressive disorder. METHODS: We performed a coordinate-based meta-analysis that combined 34 BOLD-fMRI studies comparing activity associated with n-back working memory between psychiatric patients and healthy controls. We specifically focused our search using the n-back task to diminish study heterogeneity. RESULTS: All patient groups showed blunted activity in the striatum, anterior insula and frontal lobe. The same brain networks related to WM were compromised in schizophrenia, major depressive disorder and bipolar disorder. CONCLUSION: Our findings support the suggestion of commonal functional abnormalities across schizophrenia and mood disorders related to WM.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».