The centrality of working memory networks in differentiating bipolar type I depression from unipolar depression: A task-fMRI study
Notice bibliographique
Résumé
OBJECTIVES: Up to 70%-80% of patients with bipolar disorder are misdiagnosed as having major depressive disorder (MDD), leading to both delayed intervention and worsening disability. Differences in the cognitive neurophysiology may serve to distinguish between the depressive phase of type 1 bipolar disorder (BDD-I) from MDD, though this remains to be demonstrated. To this end, we investigate the discriminatory signal in the topological organization of the functional connectome during a working memory (WM) task in BDD-I and MDD, as a candidate identification approach. METHODS: We calculated and compared the degree centrality (DC) at the whole-brain voxel-wise level in 31 patients with BDD-I, 35 patients with MDD, and 80 healthy controls (HCs) during an n-back task. We further extracted the distinct DC patterns in the two patient groups under different WM loads and used machine learning approaches to determine the distinguishing ability of the DC map. RESULTS: Patients with BDD-I had lower accuracy and longer reaction time (RT) than HCs at high WM loads. BDD-I is characterized by decreased DC in the default mode network (DMN) and the sensorimotor network (SMN) when facing high WM load. In contrast, MDD is characterized by increased DC in the DMN during high WM load. Higher WM load resulted in better classification performance, with the distinct aberrant DC maps under 2-back load discriminating the two disorders with 90.91% accuracy. CONCLUSIONS: The distributed brain connectivity during high WM load provides novel insights into the neurophysiological mechanisms underlying cognitive impairment of depression. This could potentially distinguish BDD-I from MDD if replicated in future large-scale evaluations of first-episode depression with longitudinal confirmation of diagnostic transition.
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 | 0,000 |
| 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 ».