The Role of Blood Oxygen Level Dependent Signal Variability in Pediatric Neuroscience: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: As pediatric BOLD Signal Variability (SV) analysis is relatively novel, there is a need to provide a foundational framework that gives researchers an entry point into engaging with the topic. This begins with clarifying the definition of BOLD signal variability by identifying and categorizing the various metrics utilized to measure BOLD SV. METHODS: A systematic review of the literature was conducted. Inclusion criteria were restricted to studies utilizing any metric of BOLD SV and with individuals younger than 18 in the study population. The definition of BOLD SV was any measure of intra-individual variability in the BOLD signal. Five databases were searched: Psychinfo, Healthstar, MEDLINE, Embase, and Scopus. RESULTS: A total of 17 observational studies, including male (n = 1796) and female (n = 1324) pediatric participants were included. Eight studies quantified variability as the amount of deviation from the average BOLD signal, seven used complexity-based metrics, three used correlation measures of variability, and one used the structure of the hemodynamic response function. In this study, 10 methods of quantifying signal variability were identified. Associations and trends in BOLD SV were commonly found with age, factors specific to mental and/or neurological disorders such as attention deficit disorder, epilepsy, psychotic symptoms, and performance on psychological and behavioral tasks. CONCLUSIONS: BOLD SV is a potential biomarker of neurodevelopmental and neurological conditions and symptom severity in mental disorders for defined pediatric populations. Studies that establish clinical trends and identify the mechanisms underlying BOLD SV with a low risk of bias are needed before clinical applications can be utilized by physicians.
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 | 0,005 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».