Brain-Charting Autism and Attention-Deficit/Hyperactivity Disorder Reveals Distinct and Overlapping Neurobiology
Notice bibliographique
Résumé
BACKGROUND: Autism and attention-deficit/hyperactivity disorder (ADHD) are heterogeneous neurodevelopmental conditions with complex underlying neurobiology that is still poorly understood. Despite overlapping presentation and sex-biased prevalence, autism and ADHD are rarely studied together and sex differences are often overlooked. Population modeling, often referred to as normative modeling, provides a unified framework for studying age-specific and sex-specific divergences in brain development. METHODS: Here, we used population modeling and a large, multisite neuroimaging dataset (N = 4255 after quality control) to characterize cortical anatomy associated with autism and ADHD, benchmarked against models of average brain development based on a sample of more than 75,000 individuals. We also examined sex and age differences and relationship with autistic traits and explored the co-occurrence of autism and ADHD. RESULTS: We observed robust neuroanatomical signatures of both autism and ADHD. Overall, autistic individuals showed greater cortical thickness and volume that was localized to the superior temporal cortex, whereas individuals with ADHD showed more global increases in cortical thickness but lower cortical volume and surface area across much of the cortex. The co-occurring autism+ADHD group showed a unique pattern of widespread increases in cortical thickness and certain decreases in surface area. We also found that sex modulated the neuroanatomy of autism but not ADHD, and there was an age-by-diagnosis interaction for ADHD only. CONCLUSIONS: These results indicate distinct cortical differences in autism and ADHD that are differentially affected by age and sex as well as potentially unique patterns related to their co-occurrence.
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 | 0,000 | 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 | 0,001 |
| 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 ».