Sex-specific brain effective connectivity patterns associated with negative emotions
Notice bibliographique
Résumé
Abstract Sex differences in effective brain connectivity in emotional intelligence, emotional regulation, and stimuli-induced negative emotions have been highlighted in previous research. However, to our knowledge, no research has yet investigated the sex-specific effective connectivity related to negative emotions in healthy population during resting-state. The goal of this study is to find the association between sex-specific resting-state effective brain connectivity and basic negative emotions. For this, we have employed the NIH emotion battery of the three self-reported, basic negative emotions — anger-affect, fear-affect, and sadness which we divided into high, moderate, and low emotion scores in each. The dataset comprises 1079 subjects (584 females) from HCP Young Adults. We selected large-scale resting-state brain networks important for emotional processing namely default mode, executive, and salience networks. We employed subject-level analysis using spectral dynamic causal modelling and group-level association analyses using parametric empirical Bayes. We report association of the self-connection of left hippocampus in females in high anger-affect, fear-affect, and sadness, whereas in males we found involvement of dorsal anterior cingulate cortex (dACC) in all three negative emotions - association of right amygdala to dACC in high anger-affect, association of the self-connection of dACC in high fear-affect, and association of dACC to left hippocampus in high sadness. Our findings primarily revealed the effective brain connectivity that is related to the higher levels of negative emotions that may lead to psychiatric disorders if not regulated. Sex-specific therapies and interventions that target psychopathology can be more beneficial when informed by the sex-specific resting-state effective connectivity.
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 | 0,001 |
| 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) | 0,004 | 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 ».