Neural Activation in Risky Decision-Making Tasks in Healthy Older Adults: A Meta-Analysis of fMRI Data
Notice bibliographique
Résumé
Decision making is a complex cognitive phenomenon commonly used in everyday life. Studies have shown differences in behavioral strategies in risky decision-making tasks over the course of aging. The development of functional neuroimaging has gradually allowed the exploration of the neurofunctional bases of these behaviors. The purpose of our study was to carry out a meta-analysis on the neural networks underlying risky decision making in healthy older adults. Following the PRISMA guidelines, we systematically searched for fMRI studies of decision making in older adults using risky decision-making tasks. To perform the quantitative meta-analysis, we used the revised version of the activation likelihood estimation (ALE) algorithm. A total of 620 references were selected for initial screening. Among these, five studies with a total of 98 cognitively normal older participants (mean age: 69.5 years) were included. The meta-analysis yielded two clusters. Main activations were found in the right insula, bilateral dorsolateral prefrontal cortex (dlPFC) and left orbitofrontal cortex (OFC). Despite the limited number of studies included, our meta-analysis highlights the crucial involvement of circuits associated with both emotion regulation and the decision to act. However, in contrast to the literature on young adults, our results indicate a different pattern of hemispheric lateralization in older participants. These activations can be used as a minimum pattern of activation in the risky decision-making tasks of healthy older subjects.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».