MétaCan
Menu
Retour à la cohorte
Enregistrement W4311877713 · doi:10.3389/fnins.2022.1040799

Integration of structural brain networks is related to openness to experience: A diffusion MRI study with CSD-based tractography

2022· article· en· W4311877713 sur OpenAlexaff
Nima Talaei, Amirhossein Ghaderi

Notice bibliographique

RevueFrontiers in Neuroscience · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensHotchkiss Brain InstituteUniversity of Calgary
Organismes subventionnairesNIH Blueprint for Neuroscience ResearchMcDonnell Center for Systems NeuroscienceNational Institutes of Health
Mots-clésOpenness to experienceConnectomeTractographyPsychologyDiffusion MRIConnectomicsTraitPersonalityCognitive psychologyHuman Connectome ProjectNeuroscienceComputer scienceSocial psychologyMagnetic resonance imagingMedicineFunctional connectivity

Résumé

récupéré en direct d'OpenAlex

Openness to experience is one of the big five traits of personality which recently has been the subject of several studies in neuroscience due to its importance in understanding various cognitive functions. However, the neural basis of openness to experience is still unclear. Previous studies have found largely heterogeneous results, suggesting that various brain regions may be involved in openness to experience. Here we suggested that performing structural connectome analysis may shed light on the neural underpinnings of openness to experience as it provides a more comprehensive look at the brain regions that are involved in this trait. Hence, we investigated the involvement of brain network structural features in openness to experience which has not yet been explored to date. The magnetic resonance imaging (MRI) data along with the openness to experience trait score from the self-reported NEO Five-Factor Inventory of 100 healthy subjects were evaluated from Human Connectome Project (HCP). CSD-based whole-brain probabilistic tractography was performed using diffusion-weighted images as well as segmented T1-weighted images to create an adjacency matrix for each subject. Using graph theoretical analysis, we computed global efficiency (GE) and clustering coefficient (CC) which are measures of two important aspects of network organization in the brain: functional integration and functional segregation respectively. Results revealed a significant negative correlation between GE and openness to experience which means that the higher capacity of the brain in combining information from different regions may be related to lower openness to experience.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
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 Opus0,025
Tête enseignante GPT0,340
Écart entre enseignants0,315 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeuroscienceMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207