F.1 Oscillatory network markers of subcallosal cingulate deep brain stimulation for depression
Notice bibliographique
Résumé
Background: Identifying functional biomarkers related to treatment success can aid in optimizing therapy and provide a better understanding of the neural mechanisms of treatment-resistant depression (TRD) and subcallosal cingulate deep brain stimulation (SCC-DBS). Methods: Magnetoencephalography data were obtained from 16 individuals with SCC-DBS for TRD and 25 healthy subjects. We identified region-specific oscillatory modulations that both (i) discriminate individuals with TRD (SCC-DBS OFF) from healthy controls and (ii) discriminate responders from non-responders (SCC-DBS ON). The effects of stimulation intensity and frequency were also explored. Results: Discriminative regions that differentiated responders from non-responders based on modulations of increased alpha (8-12 Hz) and decreased gamma (32-116 Hz) power included nodes of the default mode, central executive, and somatomotor networks, Broca’s area, and lingual gyrus. Furthermore, low stimulation frequency had stronger effects on oscillatory modulation. Conclusions: The identified functional biomarkers implicate modulations of TRD-related activity in brain regions involved in emotional control/processing, motor control, and interactions between speech, vision, and memory – all implicated in depression. These electrophysiological biomarkers have the potential to be used as functional proxies for therapy optimization. Additional stimulation parameter analyses revealed that oscillatory modulations are strengthened by increasing stimulation intensity or reducing frequency, which may benefit SCC-DBS non-responders.
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) | 0,003 | 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 ».