Can magnetic resonance imaging enhance the assessment of potential new treatments for cognitive impairment in mood disorders? A systematic review and position paper by the International Society for Bipolar Disorders Targeting Cognition Task Force
Notice bibliographique
Résumé
BACKGROUND: Developing treatments for cognitive impairment is key to improving the functioning of people with mood disorders. Neuroimaging may assist in identifying brain-based efficacy markers. This systematic review and position paper by the International Society for Bipolar Disorders Targeting Cognition Task Force examines the evidence from neuroimaging studies of pro-cognitive interventions. METHODS: We included magnetic resonance imaging (MRI) studies of candidate interventions in people with mood disorders or healthy individuals, following the procedures of the Preferred Reporting Items for Systematic reviews and Meta-Analysis 2020 statement. Searches were conducted on PubMed/MEDLINE, PsycInfo, EMBASE, Cochrane Library, and Clinicaltrials.gov from inception to 30th April 2021. Two independent authors reviewed the studies using the National Heart, Lung, Blood Institutes of Health Quality Assessment Tool for Controlled Intervention Studies and the quality of neuroimaging methodology assessment checklist. RESULTS: We identified 26 studies (N = 702). Six investigated cognitive remediation or pharmacological treatments in mood disorders (N = 190). In healthy individuals, 14 studies investigated pharmacological interventions (N = 319), 2 cognitive training (N = 73) and 4 neuromodulatory treatments (N = 120). Methodologies were mostly rated as 'fair'. 77% of studies investigated effects with task-based fMRI. Findings varied but most consistently involved treatment-associated cognitive control network (CCN) activity increases with cognitive improvements, or CCN activity decreases with no cognitive change, and increased functional connectivity. In mood disorders, treatment-related default mode network suppression occurred. CONCLUSIONS: Modulation of CCN and DMN activity is a putative efficacy biomarker. Methodological recommendations are to pre-declare intended analyses and use task-based fMRI, paradigms probing the CCN, longitudinal assessments, mock scanning, and out-of-scanner tests.
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 | 0,024 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».