Dysconnection and cognition in schizophrenia: A spectral dynamic causal modeling study
Notice bibliographique
Résumé
Schizophrenia (SZ) is a severe mental disorder characterized by failure of functional integration (aka dysconnection) across the brain. Recent functional connectivity (FC) studies have adopted functional parcellations to define subnetworks of large-scale networks, and to characterize the (dys)connection between them, in normal and clinical populations. While FC examines statistical dependencies between observations, model-based effective connectivity (EC) can disclose the causal influences that underwrite the observed dependencies. In this study, we investigated resting state EC within seven large-scale networks, in 66 SZ and 74 healthy subjects from a public dataset. The results showed that a remarkable 33% of the effective connections (among subnetworks) of the cognitive control network had been pathologically modulated in SZ. Further dysconnection was identified within the visual, default mode and sensorimotor networks of SZ subjects, with 24%, 20%, and 11% aberrant couplings. Overall, the proportion of discriminative connections was remarkably larger in EC (24%) than FC (1%) analysis. Subsequently, to study the neural correlates of impaired cognition in SZ, we conducted a canonical correlation analysis between the EC parameters and the cognitive scores of the patients. As such, the self-inhibitions of supplementary motor area and paracentral lobule (in the sensorimotor network) and the excitatory connection from parahippocampal gyrus to inferior temporal gyrus (in the cognitive control network) were significantly correlated with the social cognition, reasoning/problem solving and working memory capabilities of the patients. Future research can investigate the potential of whole-brain EC as a biomarker for diagnosis of brain disorders and for neuroimaging-based cognitive assessment.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».