MétaCan
Menu
Retour à la cohorte
Enregistrement W4399365897 · doi:10.7554/elife.94970.2.sa3

Author response: Population clustering of structural brain aging and its association with brain development

2024· peer-review· en· W4399365897 sur OpenAlexaff
Haojing Duan, Runye Shi, Jujiao Kang, Tobias Banaschewski, Arun L.W. Bokde, Christian Büchel, Sylvane Desrivières, Herta Flor, Antoine Grigis, Hugh Garavan, Penny Gowland, Andreas Heinz, Rüdiger Brühl, Jean‐Luc Martinot, Marie‐Laure Paillère Martinot, Éric Artiges, Frauke Nees, Dimitri Papadopoulos Orfanos, Tomáš Paus, Luise Poustka, Sarah Hohmann, Nathalie Holz, Juliane H. Fröhner, Michael N. Smolka, Nilakshi Vaidya, Henrik Walter, Robert Whelan, Günter Schumann, Xiaolei Lin, Jianfeng Feng

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésAssociation (psychology)Brain agingCluster analysisNeurosciencePopulationPsychologyComputer scienceMedicineArtificial intelligenceCognitionEnvironmental healthPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Structural brain aging has demonstrated strong inter-individual heterogeneity and mirroring patterns with brain development. However, due to the lack of large-scale longitudinal neuroimaging studies, most of the existing research focused on the cross-sectional changes of brain aging. In this investigation, we present a data-driven approach that incorporate both cross-sectional changes and longitudinal trajectories of structural brain aging and identified two brain aging patterns among 37,013 healthy participants from UK Biobank. Participants with accelerated brain aging also demonstrated accelerated biological aging, cognitive decline and increased genetic susceptibilities to major neuropsychiatric disorders. Further, by integrating longitudinal neuroimaging studies from a multi-center adolescent cohort, we validated the “last in, first out” mirroring hypothesis and identified brain regions with manifested mirroring patterns between brain aging and brain development. Genomic analyses revealed risk loci and genes contributing to accelerated brain aging and delayed brain development, providing molecular basis for elucidating the biological mechanisms underlying brain aging and related disorders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,129
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,707

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,129
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,2110,056

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,323
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHealth, Environment, Cognitive AgingTravaux en français237 207