Age-related differences in resting state functional connectivity in pediatric migraine
Notice bibliographique
Résumé
BACKGROUND: Migraine affects roughly 10% of youth aged 5-15 years, however the underlying mechanisms of migraine in youth are poorly understood. Multiple structural and functional alterations have been shown in the brains of adult migraine sufferers. This study aims to investigate the effects of migraine on resting-state functional connectivity during the period of transition from childhood to adolescence, a critical period of brain development and the time when rates of pediatric chronic pain spikes. METHODS: Using independent component analysis, we compared resting state network spatial maps and power spectra between youth with migraine aged 7-15 and age-matched controls. Statistical comparisons were conducted using a MANCOVA analysis. RESULTS: We show (1) group by age interaction effects on connectivity in the visual and salience networks, group by sex interaction effects on connectivity in the default mode network and group by pubertal status interaction effects on connectivity in visual and frontal parietal networks, and (2) relationships between connectivity in the visual networks and the migraine cycle, and age by cycle interaction effects on connectivity in the visual, default mode and sensorimotor networks. CONCLUSIONS: We demonstrate that brain alterations begin early in youth with migraine and are modulated by development. This highlights the need for further study into the neural mechanisms of migraine in youth specifically, to aid in the development of more effective treatments.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».