Assessing remission in major depressive disorder using a functional-structural data fusion pipeline: A CAN-BIND-1 study
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
Neural network-level changes underlying symptom remission in major depressive disorder (MDD) are often studied from a single perspective. Multimodal approaches to assess neuropsychiatric disorders are evolving, as they offer richer information about brain networks. A FATCAT-awFC pipeline was developed to integrate a computationally intense data fusion method with a toolbox, to produce a faster and more intuitive pipeline for combining functional connectivity with structural connectivity (denoted as anatomically weighted functional connectivity (awFC)). Ninety-three participants from the Canadian Biomarker Integration Network for Depression study (CAN-BIND-1) were included. Patients with MDD were treated with 8 weeks of escitalopram and adjunctive aripiprazole for another 8 weeks. Between-group connectivity (SC, FC, awFC) comparisons contrasted remitters (REM) with non-remitters (NREM) at baseline and 8 weeks. Additionally, a longitudinal study analysis was performed to compare connectivity changes across time for REM, from baseline to week-8. Association between cognitive variables and connectivity were also assessed. REM were distinguished from NREM by lower awFC within the default mode, frontoparietal, and ventral attention networks. Compared to REM at baseline, REM at week-8 revealed increased awFC within the dorsal attention network and decreased awFC within the frontoparietal network. A medium effect size was observed for most results. AwFC in the frontoparietal network was associated with neurocognitive index and cognitive flexibility for the NREM group at week-8. In conclusion, the FATCAT-awFC pipeline has the benefit of providing insight on the ‘full picture’ of connectivity changes for REMs and NREMs while making for an easy intuitive approach.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 découle