NBS-SNI, an extension of the network-based statistic: Abnormal functional connections between important structural actors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Elucidating the coupling between the structure and the function of the brain and its development across maturation has attracted a lot of interest in the field of network neuroscience in the last 15 years. Mounting evidence supports the hypothesis that the onset of certain brain disorders is linked with the interplay between the structural architecture of the brain and its functional processes, often accompanied with unusual connectivity features. This paper introduces a method called the network-based statistic-simultaneous node investigation (NBS-SNI) that integrates both representations into a single framework, and identifies connectivity abnormalities in case-control studies. With this method, significance is given to the properties of the nodes, as well as to their connections. This approach builds on the well-established network-based statistic (NBS) proposed in 2010. We uncover and identify the regimes in which NBS-SNI offers a gain in statistical resolution to identify a contrast of interest using synthetic data. We also apply our method on two real case-control studies, one consisting of individuals diagnosed with autism and the other consisting of individuals diagnosed with early psychosis. Using NBS-SNI and node properties such as the closeness centrality and local information dimension, we found hypo- and hyperconnected subnetworks and show that our method can offer a 9 percentage points gain in prediction power over the standard NBS.
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.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle