Differences Between Resting-State fMRI BOLD Variability and Default Mode Network Connectivity in Healthy Older and Younger Adults
Notice bibliographique
Résumé
Background: Resting-state fMRI analyses have been used to examine functional connectivity in the aging brain. Recently, fluctuations in the fMRI BOLD signal have been used as a potential marker of integrity in neural systems. Despite its increasing popularity, the results of BOLD variability analyses and traditional seed-based functional connectivity analyses have rarely been compared. The current study examined fMRI BOLD signal variability and default mode network seed-based analyses in healthy older and younger adults to better understand the unique contributions of these methodological approaches. Methods: Thirty-four healthy participants were separated into a younger adult group (age 25–35, n = 17) and an older adult group (age 65+, n = 17). For each participant, a map of the standard deviation of the BOLD signal (SDBOLD) was derived. Group comparisons examined differences in resting-state SDBOLD in younger versus older adults. Seed-based analyses were used to examine differences between younger and older adults in the default mode network. Results: Between-group comparisons revealed significantly greater BOLD variability in widespread brain regions in older relative to younger adults. There were no significant differences between younger and older adults in the default mode network connectivity. Conclusion: The current findings align with an increasing number of studies reporting greater BOLD variability in older relative to younger adults. The current results also suggest that the traditional resting state examination methods may not detect nuanced age-related differences. Further large-scale studies in an adult lifespan sample are needed to better understand the functional relevance of the BOLD variability in normative aging.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».