Intrinsic neural network dynamics in catatonia
Notice bibliographique
Résumé
Catatonia is a transnosologic psychomotor syndrome with high prevalence in schizophrenia spectrum disorders (SSD). There is mounting neuroimaging evidence that catatonia is associated with aberrant frontoparietal, thalamic and cerebellar regions. Large-scale brain network dynamics in catatonia have not been investigated so far. In this study, resting-state fMRI data from 58 right-handed SSD patients were considered. Catatonic symptoms were examined on the Northoff Catatonia Rating Scale (NCRS). Group spatial independent component analysis was carried out with a multiple analysis of covariance (MANCOVA) approach to estimate and test the underlying intrinsic components (ICs) in SSD patients with (NCRS total score ≥ 3; n = 30) and without (NCRS total score = 0; n = 28) catatonia. Functional network connectivity (FNC) during rest was calculated between pairs of ICs and transient changes in connectivity were estimated using sliding windowing and clustering (to capture both static and dynamic FNC). Catatonic patients showed increased static FNC in cerebellar networks along with decreased low frequency oscillations in basal ganglia (BG) networks. Catatonic patients had reduced state changes and dwelled more in a state characterized by high within-network correlation of the sensorimotor, visual, and default-mode network with respect to noncatatonic patients. Finally, in catatonic patients according to DSM-IV-TR (n = 44), there was a significant correlation between increased within FNC in cortico-striatal state and NCRS motor scores. The data support a neuromechanistic model of catatonia that emphasizes a key role of disrupted sensorimotor network control during distinct functional states.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».