MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406209199 · doi:10.1002/alz.088546

Investigating the contribution of subcortical salience network structures to a measure of social cognition across neurodegenerative diseases

2024· article· en· W4406209199 sur OpenAlexaffabout
Carly Davenport, Mohsen Hadian, Indira García‐Cordero, Andrew Frank, Anthony E. Lang, Angela Roberts, Angela K. Troyer, Brian Levine, Brian Tan, Corinne E. Fischer, Connie Marras, Donna Kwan, David F. Tang‐Wai, Elizabeth Finger, J. B. Orange, Joel Ramı́rez-Emiliano, Sean Symons, Kelly M. Sunderland, Michael Borrie, Mario Masellis, Douglas P. Munoz, Richard H. Swartz, Morris Freedman, Miracle Ozzoude, Paula McLaughlin, Robert Bartha, Michael J. Strong, Maria Carmela Tartaglia

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensNova Scotia Health AuthorityToronto Western HospitalQueen's UniversityBaycrest HospitalSunnybrook Health Science CentreSt. Michael's HospitalUniversity of TorontoWestern UniversityParkinson's Clinic of Eastern Toronto & Movement Disorders CentreBruyèreHealth Sciences CentreOccupational Cancer Research CentreUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésSalience (neuroscience)CognitionCognitive psychologyPsychologyNeuroscienceMeasure (data warehouse)Computer science

Résumé

récupéré en direct d'OpenAlex

Abstract Background Social cognition is impacted early in the disease progression of many neurodegenerative diseases (ND). The Salience network (SN) is an intrinsically connected brain network responsible for social cognitive function. Keys hubs of this brain network, the anterior insula (AI) and anterior cingulate cortex (ACC), are reported to incorporate ‘bottom‐up’ signals from subcortical regions such as the amygdala and periaqueductal gray (PAG), but this mechanism and the subcortical contribution to SN connectivity is poorly understood. Our aim was to investigate the contribution of cortical and subcortical structures to SN functional connectivity and to social cognition across NDs. Method 76 participants (21 Alzheimer’s disease, 13 behavioural variant frontotemporal dementia, and 42 Parkinson’s disease) from the Ontario Neurodegenerative Research Initiative (ONDRI) baseline or one‐year follow up visits with resting state fMRI, Montreal Cognitive Assessment (MoCA) total scores, and informant‐reported socioemotional sensitivity scores using the Revised Self‐Monitoring Scale (RSMS) were included (higher score, indicating higher function). All groups were age‐ and sex‐matched. Fisher‐transformed correlation coefficients of functional connectivity from an ROI‐to‐ROI analysis between cortical and subcortical SN ROIs were used to create a mean cortical SN value and mean subcortical SN value to use in linear regression modelling with behavioural scores. Result Mean cortical and subcortical SN connectivity were significantly associated with RSMS total score (b = 2.94, p = 0.041; (b = 3.60, p = 0.014, respectively), independent of cognitive function, with higher connectivity predicting higher score. The interaction between cortical and subcortical connectivity was not significantly associated with RSMS total score. Mean cortical and subcortical connectivity was significantly associated with RSMS‐EX (expressive behaviour of others) and RSMS‐SP (self‐presentation) subscores (b = 1.36, p = 0.049; b = 1.44, p = 0.040; b coef = 1.58, p‐value = 0.033; b coef = 2.15, p‐value = 0.005, respectively). Conclusion Our results indicate a stronger contribution of subcortical structures to social cognition‐related functional connectivity across various neurodegenerative diseases. Despite previous associations with cortical regions, our evidence suggests that alterations in subcortical structures mediate changes in social cognition. Further exploration in larger cohorts is necessary, as impaired social cognition in patients with ND is associated with increased caregiver distress.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,050
Tête enseignante GPT0,310
Écart entre enseignants0,260 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→