Lateral frontoparietal effective connectivity differentiates and predicts state of consciousness in a cohort of patients with traumatic disorders of consciousness
Notice bibliographique
Résumé
Neuroimaging studies have suggested an important role for the default mode network (DMN) in disorders of consciousness (DoC). However, the extent to which DMN connectivity can discriminate DoC states-unresponsive wakefulness syndrome (UWS) and minimally conscious state (MCS)-is less evident. Particularly, it is unclear whether effective DMN connectivity, as measured indirectly with dynamic causal modelling (DCM) of resting EEG can disentangle UWS from healthy controls and from patients considered conscious (MCS+). Crucially, this extends to UWS patients with potentially "covert" awareness (minimally conscious star, MCS*) indexed by voluntary brain activity in conjunction with partially preserved frontoparietal metabolism as measured with positron emission tomography (PET+ diagnosis; in contrast to PET- diagnosis with complete frontoparietal hypometabolism). Here, we address this gap by using DCM of EEG data acquired from patients with traumatic brain injury in 11 UWS (6 PET- and 5 PET+) and in 12 MCS+ (11 PET+ and 1 PET-), alongside with 11 healthy controls. We provide evidence for a key difference in left frontoparietal connectivity when contrasting UWS PET- with MCS+ patients and healthy controls. Next, in a leave-one-subject-out cross-validation, we tested the classification performance of the DCM models demonstrating that connectivity between medial prefrontal and left parietal sources reliably discriminates UWS PET- from MCS+ patients and controls. Finally, we illustrate that these models generalize to an unseen dataset: models trained to discriminate UWS PET- from MCS+ and controls, classify MCS* patients as conscious subjects with high posterior probability (pp > .92). These results identify specific alterations in the DMN after severe brain injury and highlight the clinical utility of EEG-based effective connectivity for identifying patients with potential covert awareness.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».