MétaCan
Menu
← Retour à la cohorte
Enregistrement W4294203214 · doi:10.1192/j.eurpsy.2022.557

Resting-state EEG networks characterized by intramodular and global hyperconnectivity in depressive sample

2022· article· en· W4294203214 sur OpenAlexfundno aff
А. В. Комарова, A. Kiselnikov, M. Yurlova, E. Slovenko, I. Tan, Dina Mitiureva, P. Kabanova, E. Terlichenko, V. Zubko, E. Shcherbakova

Notice bibliographique

RevueEuropean Psychiatry · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesPfizer CanadaPfizer
Mots-clésClustering coefficientResting state fMRIFunctional connectivityModularity (biology)ElectroencephalographyGraphPsychologyAudiologyPower graph analysisBeck Depression InventoryDepression (economics)Average path lengthNeuroscienceComputer scienceCluster analysisArtificial intelligenceMathematicsPsychiatryMedicineCombinatoricsBiology

Résumé

récupéré en direct d'OpenAlex

Introduction Depression is characterized by a pattern of specific changes in the network organization of brain functioning. Objectives We researched a graph structure specificity in a depressive student sample by analyzing resting-state EEG. All possible combinations of graph metrics, frequency bands, and sensors/sources levels of networks were examined. Methods We recorded resting-state EEG in fourteen participants with high Beck Depression Inventory score (24.4 ± 9.7; 20.4 ± 1.5 y.o.; 14 females; 1 left-handed) and fourteen participants with a low score (6.8 ± 3.7; 21.3 ± 2.0 y.o.; 8 females; 1 left-handed). We applied weighted phase-lag index (wPLI) to construct functional networks at sensors and sources levels and computed characteristic path length (CPL), clustering coefficient (CC), index of modularity (Q), small-world index (SWI) in 4-8, 8-13, 13-30, and 4-30 Hz frequency bands. We used Mann-Whitney U-test (p < 0.05) to investigate between-group differences in the graph metrics. Results The depressive sample was characterized by increased CC and Q in the 4-30 Hz band networks and decreased CPL in the beta-band network (sensors-level for CPL and CC, and sources-level for Q). Conclusions Elevated CC and Q may relate to an increase of intramodular connectivity, and CPL reduction reflects the global connectivity increasing. We hypothesize that intramodular hyperconnectivity could explain the rise of global functional connectivity in participants with depressive symptoms. Funding: This research has been supported by the Interdisciplinary Scientific and Educational School of Lomonosov Moscow State University ‘Brain, Cognitive Systems, Artificial Intelligence’. Disclosure No significant relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,233
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Psychiatry→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→