Patterns of abnormal activations in severe mental disorders a transdiagnostic data-driven meta-analysis of task-based fMRI studies
Notice bibliographique
Résumé
BACKGROUND: Studies suggest severe mental disorders (SMDs), such as schizophrenia, major depressive disorder and bipolar disorder, are associated with common alterations in brain activity, albeit with a graded level of impairment. However, discrepancies between study findings likely to results from both small sample sizes and the use of different functional magnetic resonance imaging (fMRI) tasks. To address these issues, data-driven meta-analytic approach designed to identify homogeneous brain co-activity patterns across tasks was conducted to better characterize the common and distinct alterations between these disorders. METHODS: A hierarchical clustering analysis was conducted to identify groups of studies reporting similar neuroimaging results, independent of task type and psychiatric diagnosis. A traditional meta-analysis (activation likelihood estimation) was then performed within each of these groups of studies to extract their aberrant activation maps. RESULTS: A total of 762 fMRI study contrasts were targeted, comprising 13 991 patients with SMDs. Hierarchical clustering analysis identified 5 groups of studies (meta-analytic groupings; MAGs) being characterized by distinct aberrant activation patterns across SMDs: (1) emotion processing; (2) cognitive processing; (3) motor processes, (4) reward processing, and (5) visual processing. While MAG1 was mostly commonly impaired, MAG2 was more impaired in schizophrenia, while MAG3 and MAG5 revealed no differences between disorder. MAG4 showed the strongest between-diagnoses differences, particularly in the striatum, posterior cingulate cortex, and ventromedial prefrontal cortex. CONCLUSIONS: SMDs are characterized mostly by common deficits in brain networks, although differences between disorders are also present. This study highlights the importance of studying SMDs simultaneously rather than independently.
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 | 0,031 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,042 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».