Brain structural covariance network features are robust markers of early heavy alcohol use
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Recently, we demonstrated that a distinct pattern of structural covariance networks (SCN) from magnetic resonance imaging (MRI)-derived measurements of brain cortical thickness characterized young adults with alcohol use disorder (AUD) and predicted current and future problematic drinking in adolescents relative to controls. Here, we establish the robustness and value of SCN for identifying heavy alcohol users in three additional independent studies. DESIGN AND SETTING: Cross-sectional and longitudinal studies using data from the Pediatric Imaging, Neurocognition and Genetics (PING) study (n = 400, age range = 14-22 years), the National Consortium on Alcohol and Neurodevelopment in Adolescence (NCANDA) (n = 272, age range = 17-22 years) and the Human Connectome Project (HCP) (n = 375, age range = 22-37 years). CASES: Cases were defined based on heavy alcohol use patterns or former alcohol use disorder (AUD) diagnoses: 50, 68 and 61 cases were identified. Controls had none or low alcohol use or absence of AUD: 350, 204 and 314 controls were selected. MEASUREMENTS: Graph theory metrics of segregation and integration were used to summarize SCN. FINDINGS: Mirroring our prior findings, and across the three data sets, cases had a lower clustering coefficient [area under the curve (AUC) = -0.029, P = 0.002], lower modularity (AUC = -0.14, P = 0.004), lower average shortest path length (AUC = -0.078, P = 0.017) and higher global efficiency (AUC = 0.007, P = 0.010). Local efficiency differences were marginal (AUC = -0.017, P = 0.052). That is, cases exhibited lower network segregation and higher integration, suggesting that adjacent nodes (i.e. brain regions) were less similar in thickness whereas spatially distant nodes were more similar. CONCLUSION: Structural covariance network (SCN) differences in the brain appear to constitute an early marker of heavy alcohol use in three new data sets and, more generally, demonstrate the utility of SCN-derived metrics to detect brain-related psychopathology.
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 | 0,005 |
| 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 | 0,000 |
| 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 ».