EEG Microstates in Major Depressive Disorder: Evidence Against Trait Markers of Illness
Notice bibliographique
Résumé
Abstract Dysconnectivity between cortical networks is a core feature of major depressive disorder (MDD). Electroencephalography (EEG) derived microstates are a cost effective and time sensitive method of examining the dynamics of large-scale brain networks. Previous studies examining the four traditional microstate classes of A, B, C, and D in MDD have used mixed diagnostic samples and have displayed varied results. More recently, there have been reports of altered microstate parameters in studies where five microstate classes best fit the data. To continue the examination of this phenomenon, the current study examined five microstate classes in individuals with MDD compared to healthy controls. Although a five-microstate model best fit our data, we failed to replicate any alterations in the duration, occurrence, contribution, or transitional probabilities of any microstate class in MDD. However, the number of observed transitions varied significantly from what would be expected between microstates A, B, and E in the MDD group, suggesting abnormal connectivity between regions responsible for generating these states. There was also a significant relationship found between anxiety symptoms and the occurrence of microstate class E in our MDD sample. Potential explanations for our findings, such as illness severity and the presence of comorbid anxiety symptoms are discussed. The results provide skepticism for the utilization of microstate alterations as an independent biomarker for MDD. Future research is needed to clarify the observed relationship between anxiety symptoms and microstate class E.
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 | 0,001 | 0,005 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».