MétaCan
Menu
Retour à la cohorte
Enregistrement W4401728191 · doi:10.1111/add.16621

Mega‐analysis of the brain‐age gap in substance use disorder: An ENIGMA Addiction working group study

2024· review· en· W4401728191 sur OpenAlexafffund
Freda Scheffler, Jonathan Ipser, Devarshi Pancholi, Alistair Murphy, Zhipeng Cao, Jonatan Ottino‐González, Paul M. Thompson, Steven Shoptaw, Patricia Conrod, Scott Mackey, Hugh Garavan, Dan J. Stein

Notice bibliographique

RevueAddiction · 2024
Typereview
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on Drug AbuseNational Institute of Mental HealthNational Institute on Alcohol Abuse and AlcoholismCanadian Institutes of Health ResearchConsejo Nacional de Ciencia y TecnologíaNational Institutes of HealthZonMwNational Health and Medical Research CouncilAustralian Catholic University
Mots-clésAddictionSubstance usePsychiatryMedicineAge groupsClinical psychologyPsychologyDemography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIMS: The brain age gap (BAG), calculated as the difference between a machine learning model-based predicted brain age and chronological age, has been increasingly investigated in psychiatric disorders. Tobacco and alcohol use are associated with increased BAG; however, no studies have compared global and regional BAG across substances other than alcohol and tobacco. This study aimed to compare global and regional estimates of brain age in individuals with substance use disorders and healthy controls. DESIGN: This was a cross-sectional study. SETTING: This is an Enhancing Neuro Imaging through Meta-Analysis Consortium (ENIGMA) Addiction Working Group study including data from 38 global sites. PARTICIPANTS: This study included 2606 participants, of whom 1725 were cases with a substance use disorder and 881 healthy controls. MEASUREMENTS: This study used the Kaufmann brain age prediction algorithms to generate global and regional brain age estimates using T1 weighted magnetic resonance imaging (MRI) scans. We used linear mixed effects models to compare global and regional (FreeSurfer lobestrict output) BAG (i.e. predicted minus chronological age) between individuals with one of five primary substance use disorders as well as healthy controls. FINDINGS: Alcohol use disorder (β = -5.49, t = -5.51, p < 0.001) was associated with higher global BAG, whereas amphetamine-type stimulant use disorder (β = 3.44, t = 2.42, p = 0.02) was associated with lower global BAG in the separate substance-specific models. CONCLUSIONS: People with alcohol use disorder appear to have a higher brain-age gap than people without alcohol use disorder, which is consistent with other evidence of the negative impact of alcohol on the brain.

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)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,335
Écart entre enseignants0,217 · 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'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

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

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207