Stratifying the autistic phenotype using electrophysiological indices of social perception
Notice bibliographique
Résumé
Autism spectrum disorder (ASD) is a neurodevelopmental condition characterized by difficulties in social communication, but also great heterogeneity. To offer individualized medicine approaches, we need to better target interventions by stratifying autistic people into subgroups with different biological profiles and/or prognoses. We sought to validate neural responses to faces as a potential stratification factor in ASD by measuring neural (electroencephalography) responses to faces (critical in social interaction) in N = 436 children and adults with and without ASD. The speed of early-stage face processing (N170 latency) was on average slower in ASD than in age-matched controls. In addition, N170 latency was associated with responses to faces in the fusiform gyrus, measured with functional magnetic resonance imaging, and polygenic scores for ASD. Within the ASD group, N170 latency predicted change in adaptive socialization skills over an 18-month follow-up period; data-driven clustering identified a subgroup with slower brain responses and poor social prognosis. Use of a distributional data-driven cutoff was associated with predicted improvements of power in simulated clinical trials targeting social functioning. Together, the data provide converging evidence for the utility of the N170 as a stratification factor to identify biologically and prognostically defined subgroups in ASD.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».