Bridging mental health, cognition and the brain in mild traumatic brain injury: A multilayer network analysis of the TRACK-TBI study
Notice bibliographique
Résumé
ABSTRACT Background Mild traumatic brain injury (mTBI) patients suffer from several mental health symptoms ( e.g ., anxiety, depressive symptoms) and cognitive deficits ( e.g ., attentional deficits, slowed processing speed). However, symptoms in TBI are largely investigated in isolation, using univariate approaches, ignoring the interactions between symptoms and the underlying large-scale brain networks. We constructed the first multilayer network in mTBI to examine the relationships between networks of cognition, mental health and structural brain measures and to identify key variables bridging relationships across these networks. Methods Chronic phase cross-sectional data (6-month follow-up) from 457 mTBI patients was extracted from the TRACK-TBI Longitudinal study. We selected four variables from self-report mental health questionnaires (affective layer), eight cognitive test scores from the NIH toolbox (cognitive layer), and grey matter volumes from eight brain regions of the central executive and salience networks from anatomical MRI scans (brain layer). We used a multilayer network approach to examine the relationships (edges) between all variables (nodes) across layers. We then used the bridge strength centrality metric to identify nodes that ‘bridge’ the affective, cognitive, and brain layers. Results Insomnia severity, immediate verbal memory, somatisation and processing speed nodes exceeded an a priori 80th percentile threshold on the bridge strength scores and can therefore be regarded as key nodes bridging relationships across affective, cognitive and brain layers. Conclusions The bridging nodes identified in our multilayer network analyses suggest targets for future studies to develop more customized, efficient, and efficacious treatments to alleviate mental health symptoms and cognitive deficits in mTBI patients.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».