Disrupted effective connectivity of the default, salience and dorsal attention networks in major depressive disorder: a study using spectral dynamic causal modelling of resting-state fMRI
Notice bibliographique
Résumé
Background: Understanding the neural basis for major depressive disorder (MDD) is essential for its diagnosis and treatment. Aberrant activation and functional connectivity of the default mode network (DMN), salience network (SN) and dorsal attention network (DAN) have been found consistently in patients with MDD. However, whether effective connectivity within and between these networks is altered in MDD remains unknown. The primary objective of this study was to investigate the effective connectivity of the 3 networks in patients with MDD at rest. Methods: We included 63 patients with MDD (35 first-episode and 28 recurrent) and 74 healthy controls, and collected resting-state functional MRI data for all participants. We defined 15 regions of interest from the 3 functional brain networks of interest using group independent component analysis. We estimated the coupling parameters that reflected the causal interactions among these regions using spectral dynamic causal modelling. We used parametric empirical Bayes to determine commonalities across groups, differences between patients with MDD and healthy controls, and differences between patients with recurrent and first-episode MDD. Results: We found positive (excitatory) connections within each network, negative (inhibitory) connections from the SN and DAN to the DMN, and positive connections from the DAN to the SN across groups. Compared to healthy controls, patients with MDD showed increased positive connections within the DMN, a decreased absolute value of negative connectivity from the SN to the DMN, and increased positive connections from the SN to the DAN. We also found that patients with recurrent MDD showed remarkably different effective connections compared to patients with first-episode MDD, especially related to the DAN. Limitations: Because of the relatively small sample size and the unclear medication history of the MDD sample, the present findings are in need of replication. Conclusion: These findings suggest that effective connectivity among high-order brain functional networks during rest was disrupted in patients with MDD. Moreover, patients with recurrent MDD exhibited different effective connections compared to patients with first-episode MDD. These differences in effective connectivity might provide new insights into the neural substrates of MDD.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 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 ».