Increased functional activity, bottom-up and intrinsic effective connectivity in autism
Notice bibliographique
Résumé
• Autism spectrum group shows increased BOLD activity compared to neurotypicals during a sensory learning task . • Groups show no differences in BOLD activity for Prior and Likelihood conditions in the sensory learning task. • Effective hyperconnectivity in bottom-up and intrinsic connections underlies increased functional activity during sensory learning in the autism spectrum group. Sensory perceptual alterations such as sensory sensitivities in autism have been proposed to be caused by differences in sensory observation (Likelihood) or in forming models of the environment (Prior), which result in an increase in bottom-up information flow relative to top-down control. To investigate this conjecture, we had autistic individuals (AS) and neurotypicals (NT) perform a decision-under-uncertainty paradigm while undergoing functional magnetic resonance imaging (fMRI). There were no group differences in task performance and in Prior and Likelihood representations in brain activity. However, there were significant group differences in overall task activity, with the AS group showing significantly greater activation in the bilateral precuneus, mid-occipital gyrus, cuneus, superior frontal gyrus (SFG) and left putamen relative to the NT group. Further, when pooling the data across both groups, we found that those with higher AQ scores showed greater activity in the left cuneus and precuneus. Effective connectivity analysis using dynamic causal modelling (DCM) revealed that group differences in BOLD signals were underpinned by increased activity within sensory regions and a net increase in bottom-up connectivity from the occipital region to the precuneus and the left SFG. These findings support the hypothesis of increased bottom-up information flow in autism during sensory learning tasks.
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 | 0,002 | 0,005 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».