Music and neuro-cognitive deficits in depression
Notice bibliographique
Résumé
Background Cognitive deficits are one of the core features of major depressive disorder (MDD) that play crucial role in functional recovery. Studies have explored cognitive deficits in MDD, however, given inconsistent results, especially in mild-moderate MDD. Recently, studies have explored music as cognitive ability in various clinical conditions. In MDD, large focus has been on evaluating emotion deficits and just a handful on music cognition. With growing evidence on use of music based intervention to target cognitive deficits, it is imperative to explore nature of music cognitive ability in MDD. Aim To examine musical and neuro-cognitive deficits in patients with mild-moderate MDD. Methods Patients diagnosed with mild or moderate MDD (n = 19) and matched healthy controls (HC) (n = 18) were evaluated on selected tests from NIMHANS Neuropsychological test battery and Montreal battery for evaluation of amusia (MBEA). Results MDD group performed significantly lower than HC on working memory (p = 0.007), verbal learning (p = 0.02) and retention (p = 0.03). Three indices were computed for a comprehensive evaluation. Groups did not differ significantly in any of the indices- focused attention, executive function, learning and memory as well as on music cognition. Focused attention and memory index predicted music cognition in HC and the combined group (MDD + HC) (p < 0.01). Attention alone contributed to 62.1% of variance in music cognition. Similarly, music cognition significantly predicted focused attention (p < 0.01). Conclusion Individuals with mild-moderate MDD show significant deficits in working memory, verbal learning and memory, however, not in music cognition. There exists a significant relationship between music cognition and attention, which could be implicated in use of music interventions to ameliorate cognitive deficits. Limitations of study include small sample size and heterogeneity. Future studies on larger cohort examining musical emotion perception and neurocognition is imperative to have deeper understanding of this debilitating condition.
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 | 0,000 | 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 ».