Label-based meta-analysis of functional brain dysconnectivity across mood and psychotic disorders
Notice bibliographique
Résumé
ABSTRACT BACKGROUND Psychiatric diseases are increasingly conceptualized as brain network disorders. Hundreds of resting-state functional magnetic resonance imaging (rsfMRI) studies have revealed patterns of functional brain dysconnectivity in disorders such as major depression disorder (MDD), bipolar disorder (BD) and schizophrenia (SZ). Although these disorders have been mostly studied in isolation, there is mounting evidence of shared neurobiological alterations across disorders. METHODS To uncover the nature of the relatedness between these psychiatric disorders, we conducted an innovative meta-analysis of past functional brain dysconnectivity findings obtained separately in MDD, BD and SZ. Rather than relying on a classical coordinate-based approach at the voxel level, our procedure extracted relevant neuroanatomical labels from text data and reported findings at the whole brain network level. Data were drawn from 428 rsfMRI studies investigating MDD (158 studies, 7429 patients / 7414 controls), BD (81 studies, 3330 patients / 4096 patients) and/or SZ (223 studies, 11168 patients / 11754 controls). Permutation testing revealed commonalities and specificities in hypoconnectivity and hyperconnectivity patterns across disorders. RESULTS Among 78 connections within or between 12 cortico-subcortical networks, hypoconnectivity and hyperconnectivity patterns of higher-order cognitive (default-mode, fronto-parietal, cingulo-opercular) networks were similarly observed across the 3 disorders. By contrast, dysconnectivity of lower-order (somatomotor, visual, auditory) networks in some cases differed between disorders, notably dissociating SZ from BD and MDD. CONCLUSIONS Our label-based meta-analytic approach allowed a comprehensive inclusion of prior studies. Findings suggest that functional brain dysconnectivity of higher-order cognitive networks is largely transdiagnostic in nature while that of lower-order networks may best discriminate mood and psychotic disorders, thus emphasizing the relevance of motor and sensory networks to psychiatric neuroscience.
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 | 0,031 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,031 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».