Generalizable Links Between Borderline Personality Traits and Functional Connectivity
Notice bibliographique
Résumé
BACKGROUND: Symptoms of borderline personality disorder (BPD) often manifest during adolescence, but the underlying relationship between these debilitating symptoms and the development of functional brain networks is not well understood. Here, we aimed to investigate how multivariate patterns of functional connectivity are associated with borderline personality traits in large samples of young adults and adolescents. METHODS: We used functional magnetic resonance imaging data from young adults and adolescents from the HCP-YA (Human Connectome Project Young Adult) (n = 870, ages 22-37 years, 457 female) and the HCP-D (Human Connectome Project Development) (n = 223, ages 16-21 years, 121 female). A previously validated BPD proxy score was derived from the NEO Five-Factor Inventory. A ridge regression model with cross-validation and nested hyperparameter tuning was trained and tested in HCP-YA to predict BPD scores in unseen data from regional functional connectivity. The trained model was further tested on data from HCP-D without further tuning. Finally, we tested how the connectivity patterns associated with BPD aligned with age-related changes in connectivity. RESULTS: = .001). Regional predictive capacity was heterogeneous; the most predictive regions were found in functional systems relevant for emotion regulation and executive function, including the ventral attention network. Finally, regional functional connectivity patterns that predicted BPD scores aligned with those associated with development in youth. CONCLUSIONS: Individual differences in functional connectivity in developmentally sensitive regions are associated with borderline personality traits.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».