Cortical network mechanisms in subcallosal cingulate deep brain stimulation for depression
Notice bibliographique
Résumé
Abstract Identifying functional biomarkers of clinical success can contribute to therapy optimization, and provide insights into the pathophysiology of treatment-resistant depression and mechanisms underlying the potential restorative effects of subcallosal cingulate deep brain stimulation. Magnetoencephalography data were obtained from 15 individuals who underwent subcallosal cingulate deep brain stimulation for treatment-resistant depression and 25 healthy subjects. The first objective herein was to identify region-specific oscillatory modulations for the identification of discriminative network nodes expressing (i) pathological differences in TRD (responders and non-responders, stimulation-OFF) compared to healthy subjects, which (ii) were counteracted by stimulation in a responder-specific manner. The second objective of this work was to further explore the mechanistic effects of stimulation intensity and frequency. Oscillatory power analyses led to the identification of discriminative regions that differentiated responders from non-responders based on modulations of increased alpha (8-12 Hz) and decreased gamma (32-116 Hz) power within nodes of the default mode, central executive, and somatomotor networks, Broca’s area, and lingual gyrus. Within these nodes, it was also found that low stimulation frequency had stronger effects on oscillatory modulation than increased stimulation intensity. The identified discriminative network profile implies modulation of pathological activities in brain regions involved in emotional control/processing, motor control, and the interaction between speech, vision, and memory, which have all been implicated in depression. This modulated network profile may represent a functional substrate for therapy optimization. Stimulation parameter analyses revealed that oscillatory modulations can be strengthened by increasing stimulation intensity or, to an even greater extent, by reducing frequency.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».