MétaCan
Menu
Retour à la cohorte
Enregistrement W3217552032 · doi:10.1101/2021.11.09.467906

Altered brain criticality in Schizophrenia: New insights from MEG

2021· preprint· en· W3217552032 sur OpenAlexafffund
Golnoush Alamian, Tarek Lajnef, Annalisa Pascarella, Jean‐Marc Lina, Laura Knight, James Walters, Krish D. Singh, Karim Jerbi

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueComplex Systems and Time Series Analysis
Établissements canadiensÉcole de Technologie SupérieureUniversité de Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesEngineering and Physical Sciences Research CouncilMedical Research CouncilInstitut de Valorisation des DonnéesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCardiff University
Mots-clésMagnetoencephalographySchizophrenia (object-oriented programming)Similarity (geometry)PsychologyNeurosciencePopulationResting state fMRIPsychosisBrain activity and meditationCognitive psychologyArtificial intelligenceElectroencephalographyMedicineComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Schizophrenia has a complex etiology and symptomatology that is difficult to untangle. After decades of research, important advancements towards a central biomarker are still lacking. One of the missing pieces is a better understanding of how non-linear neural dynamics are altered in this patient population. In this study, the resting-state neuromagnetic signals of schizophrenia patients and healthy controls were analyzed in the framework of criticality. When biological systems like the brain are in a state of criticality, they are thought to be functioning at maximum efficiency (e.g., optimal communication and storage of information) and with maximum adaptability to incoming information. Here, we assessed the self-similarity and multifractality of resting-state brain signals recorded with magnetoencephalography in patients with schizophrenia patients and in matched controls. Our analysis showed a clear ascending, rostral to caudal gradient of self-similarity values in healthy controls, and an opposite gradient for multifractality (descending values, rostral to caudal). Schizophrenia patients had similar, although attenuated, gradients of self-similarity and multifractality values. Statistical tests showed that patients had higher values of self-similarity than controls in fronto-temporal regions, indicative of more regularity and memory in the signal. In contrast, patients had less multifractality than controls in the parietal and occipital regions, indicative of less diverse singularities and reduced variability in the signal. In addition, supervised machine-learning, based on logistic regression, successfully discriminated the two groups using measures of self-similarity and multifractality as features. Our results provide new insights into the baseline cognitive functioning of schizophrenia patients by identifying key alterations of criticality properties in their resting-state brain data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,210
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetComplex Systems and Time Series AnalysisTravaux en français237 207