Brain structural networks and connectomes: the brain–obesity interface and its impact on mental health
Notice bibliographique
Résumé
Vincent Chin-Hung Chen,1,2 Yi-Chun Liu,3 Seh-Huang Chao,4 Roger S McIntyre,5–7 Danielle S Cha,5,8 Yena Lee,5,6 Jun-Cheng Weng2,9 1School of Medicine, Chang Gung University, Taoyuan, Taiwan; 2Department of Psychiatry, Chang Gung Memorial Hospital, Chiayi, Taiwan; 3Department of Medical Imaging and Radiological Sciences, Chung Shan Medical University, Taichung, Taiwan; 4Center of Metabolic and Bariatric Surgery, Jen-Ai Hospital, Taichung, Taiwan; 5Mood Disorder Psychopharmacology Unit, University Health Network, Department of Psychiatry, University of Toronto, ON, Canada; 6Institute of Medical Science, University of Toronto, Toronto, ON, Canada; 7Departments of Psychiatry and Pharmacology, University of Toronto, Toronto, ON, Canada; 8School of Medicine, University of Queensland, Queensland, Brisbane, Australia; 9Department of Medical Imaging and Radiological Sciences, Chang Gung University, Taoyuan, Taiwan Purpose: Obesity is a complex and multifactorial disease identified as a global epidemic. Convergent evidence indicates that obesity differentially influences patients with neuropsychiatric disorders providing a basis for hypothesizing that obesity alters brain structure and function associated with the brain’s propensity toward disturbances in mood and cognition. Herein, we characterize alterations in brain structures and networks among obese subjects (ie, body mass index [BMI] ≥30 kg/m2) when compared with non-obese controls.Patients and methods: We obtained noninvasive diffusion tensor imaging and generalized q-sampling imaging scans of 20 obese subjects (BMI=37.9±5.2 SD) and 30 non-obese controls (BMI=22.6±3.4 SD). Graph theoretical analysis and network-based statistical analysis were performed to assess structural and functional differences between groups. We additionally assessed for correlations between diffusion indices, BMI, and anxiety and depressive symptom severity (ie, Hospital Anxiety and Depression Scale total score).Results: The diffusion indices of the posterior limb of the internal capsule, corona radiata, and superior longitudinal fasciculus were significantly lower among obese subjects when compared with controls. Moreover, obese subjects were more likely to report anxiety and depressive symptoms. There were fewer structural network connections observed in obese subjects compared with non-obese controls. Topological measures of clustering coefficient (C), local efficiency (Elocal), global efficiency (Eglobal), and transitivity were significantly lower among obese subjects. Similarly, three sub-networks were identified to have decreased structural connectivity among frontal–temporal regions in obese subjects compared with non-obese controls.Conclusion: We extend knowledge further by delineating structural interconnectivity alterations within and across brain regions that are adversely affected in individuals who are obese. Keywords: obesity, diffusion tensor imaging, DTI, generalized q-sampling imaging, GQI, graph theoretical analysis, GTA, network-based statistical analysis, NBS
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».