Brain age in mood and psychotic disorders: a systematic review and meta‐analysis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate whether accelerated brain aging occurs in individuals with mood or psychotic disorders. METHODS: A systematic review following PRISMA guidelines was conducted. A meta-analysis was then performed to assess neuroimaging-derived brain age gap in three independent groups: (1) schizophrenia and first-episode psychosis, (2) major depressive disorder, and (3) bipolar disorder. RESULTS: A total of 18 papers were included. The random-effects model meta-analysis showed a significantly increased neuroimaging-derived brain age gap relative to age-matched controls for the three major psychiatric disorders, with schizophrenia (3.08; 95%CI [2.32; 3.85]; p < 0.01) presenting the largest effect, followed by bipolar disorder (1.93; [0.53; 3.34]; p < 0.01) and major depressive disorder (1.12; [0.41; 1.83]; p < 0.01). The brain age gap was larger in older compared to younger individuals. CONCLUSION: Individuals with mood and psychotic disorders may undergo a process of accelerated brain aging reflected in patterns captured by neuroimaging data. The brain age gap tends to be more pronounced in older individuals, indicating a possible cumulative biological effect of illness burden.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| 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 ».