Triple network resting-state functional connectivity patterns of alcohol heavy drinking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
AIMS: Previous neuroimaging research in alcohol use disorder (AUD) has found altered functional connectivity in the brain's salience, default mode, and central executive (CEN) networks (i.e. the triple network model), though their specific associations with AUD severity and heavy drinking remains unclear. This study utilized resting-state fMRI to examine functional connectivity in these networks and measures of alcohol misuse. METHODS: Seventy-six adult heavy drinkers completed a 7-min resting-state functional MRI scan during visual fixation. Linear regression models tested if connectivity in the three target networks was associated with past 12-month AUD symptoms and number of heavy drinking days in the past 30 days. Exploratory analyses examined correlations between connectivity clusters and impulsivity and psychopathology measures. RESULTS: Functional connectivity within the CEN network (right and left lateral prefrontal cortex [LPFC] seeds co-activating with 13 and 15 clusters, respectively) was significantly associated with AUD symptoms (right LPFC: β = .337, p-FDR = .016; left LPFC: β = .291, p-FDR = .028) but not heavy drinking (p-FDR > .749). Post-hoc tests revealed six clusters co-activating with the CEN network were associated with AUD symptoms-right middle frontal gyrus, right inferior parietal gyrus, left middle temporal gyrus, and left and right cerebellum. Neither the default mode nor the salience network was significantly associated with alcohol variables. Connectivity in the left LPFC was correlated with monetary delay discounting (r = .25, p = .03). CONCLUSIONS: These findings support previous associations between connectivity within the CEN network and AUD severity, providing additional specificity to the relevance of the triple network model to AUD.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 découle