Brain connectomes in youth at risk for serious mental illness: an exploratory analysis
Notice bibliographique
Résumé
BACKGROUND: Identifying early biomarkers of serious mental illness (SMI)-such as changes in brain structure and function-can aid in early diagnosis and treatment. Whole brain structural and functional connectomes were investigated in youth at risk for SMI. METHODS: Participants were classified as healthy controls (HC; n = 33), familial risk for serious mental illness (stage 0; n = 31), mild symptoms (stage 1a; n = 37), attenuated syndromes (stage 1b; n = 61), or discrete disorder (transition; n = 9) based on clinical assessments. Imaging data was collected from two sites. Graph-theory based analysis was performed on the connectivity matrix constructed from whole-brain white matter fibers derived from constrained spherical deconvolution of the diffusion tensor imaging (DTI) scans, and from the correlations between brain regions measured with resting state functional magnetic resonance imaging (fMRI) data. RESULTS: Linear mixed effects analysis and analysis of covariance revealed no significant differences between groups in global or nodal metrics after correction for multiple comparisons. A follow up machine learning analysis broadly supported the findings. Several non-overlapping frontal and temporal network differences were identified in the structural and functional connectomes before corrections. CONCLUSIONS: Results suggest significant brain connectome changes in youth at transdiagnostic risk may not be evident before illness onset.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».