Evidence of discontinuity between psychosis-risk and non-clinical samples in the neuroanatomical correlates of social function
Notice bibliographique
Résumé
Social dysfunction is a major feature of clinical-high-risk states for psychosis (CHR-P). Prior research has identified a neuroanatomical pattern associated with impaired social function outcome in CHR-P. The aim of the current study was to test whether social dysfunction in CHR-P is neurobiologically distinct or in a continuum with the lower end of the normal distribution of individual differences in social functioning. We used a machine learning classifier to test for the presence of a previously validated brain structural pattern associated with impaired social outcome in CHR-P (CHR-outcome-neurosignature) in the neuroimaging profiles of individuals from two non-clinical samples (total n = 1763) and examined its association with social function, psychopathology and cognition. Although the CHR-outcome-neurosignature could be detected in a subset of the non-clinical samples, it was not associated was adverse social outcomes or higher psychopathology levels. However, participants whose neuroanatomical profiles were highly aligned with the CHR-outcome-neurosignature manifested subtle disadvantage in fluid (PFDR = 0.004) and crystallized intelligence (PFDR = 0.01), cognitive flexibility (PFDR = 0.02), inhibitory control (PFDR = 0.01), working memory (PFDR = 0.0005), and processing speed (PFDR = 0.04). We provide evidence of divergence in brain structural underpinnings of social dysfunction derived from a psychosis-risk enriched population when applied to non-clinical samples. This approach appears promising in identifying brain mechanisms bound to psychosis through comparisons of patient populations to non-clinical samples with the same neuroanatomical profiles.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».