Dynamic configuration of large-scale cortical networks during an inhibitory task accounts for heterogeneity in attention-deficit/hyperactivity disorder traits
Notice bibliographique
Résumé
Abstract The heterogeneity of attention-deficit/hyperactivity disorder (ADHD) traits (inattention vs. hyperactivity/impulsivity) complicates diagnosis and intervention. Identifying how the configuration of large-scale functional brain networks during cognitive processing correlate with this heterogeneity could help us understand the neural mechanisms altered across ADHD presentations. Here, we recorded high-density EEG while 62 non-clinical participants (ages 18-24; 32 male) underwent an inhibitory control task (Go/No-Go). Functional EEG networks were created using sensors as nodes and across-trial phase-lag index values as edges. Using cross-validated LASSO regression, we examined whether graph-theory metrics applied to both static networks (averaged across time-windows: -500–0ms, 0–500ms) and dynamic networks (temporally layered with 2ms intervals), were associated with hyperactive/impulsive and inattentive traits. Network configuration during response execution/inhibition was associated with hyperactive/impulsive (mean R 2 across test sets = .20, SE = .02), but not inattentive traits. Post-stimulus results at higher frequencies (Beta, 14-29Hz; Gamma, 30-90Hz) showed the strongest association with hyperactive/impulsive traits, and predominantly reflected less burst-like integration between modules in oscillatory beta networks during execution, and increased integration/small-worldness in oscillatory gamma networks during inhibition. We interpret the beta network results as reflecting weaker integration between specialized pre-frontal and motor systems during motor response preparation, and the gamma results as reflecting a compensatory mechanism used to integrate processing between less functionally specialized networks. This research demonstrates that the neural network mechanisms underlying response execution/inhibition might be associated with hyperactive/impulsive traits, and that dynamic, task-related changes in EEG functional networks may be useful in disentangling ADHD heterogeneity.
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 | 0,003 |
| 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 ».