Subgenual cingulate connectivity as a treatment predictor during low-frequency right dorsolateral prefrontal rTMS: A concurrent TMS-fMRI study
Notice bibliographique
Résumé
IntroductionRepetitive transcranial magnetic stimulation (rTMS) to the dorsolateral prefrontal cortex (DLPFC) is effective in alleviating treatment-resistant depression (TRD). It has been proposed that regions within the left DLPFC that are anti-correlated with the right subgenual anterior cingulate cortex (sgACC) may represent optimal individualized target sites for high-frequency left rTMS (HFL).Objective/hypothesisThis study aimed to explore the effects of low-frequency right rTMS (LFR) on left sgACC connectivity during concurrent TMS-fMRI.Methods34 TRD patients underwent an imaging session that included both a resting-state fMRI run (rs-fMRI0) and a run during which LFR was applied to the right DLPFC (TMS-fMRI). Participants subsequently completed four weeks of LFR treatment. The left sgACC functional connectivity was compared between the rs-fMRI0 run and TMS-fMRI run. Personalized e-fields and a region-of-interest approach were used to calculate overlap of left sgACC functional connectivity at the TMS target and to assess for a relationship with treatment effects.ResultsTMS-fMRI increased left sgACC functional connectivity to parietal regions within the ventral attention network; differences were not significantly associated with clinical improvements. Personalized e-fields were not significant in predicting treatment outcomes (p = 0.18).ConclusionThis was the first study to examine left sgACC anti-correlation with the right DLPFC during an LFR rTMS protocol. In contrast to studies that targeted the left DLPFC, we did not find that higher anti-correlation was associated with clinical outcomes. Our results suggest that the antidepressant mechanism of action of LFR to the right DLPFC may be different than for HFL.
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 | 0,000 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».