Developmental timing of adversity and neural network organization: An fNIRS study of the impact of refugee displacement
Notice bibliographique
Résumé
This study investigated the neurodevelopmental impacts of displacement on resettled Syrian refugee children in Canada, focusing on how the timing and duration of adversity experienced during displacement influence neural network organization. Using graph theoretical approaches within a network neuroscience framework, we examined how the developmental timing of displacement (age of displacement, duration of displacement) related to functional integration, segregation, and small-worldness. Syrian refugee children (n=61, M Age =14 Range = 8-18), completed a resting state scan using functional Near Infrared Spectroscopy (fNIRS) neuroimaging. Data were analyzed to assess the link between neural network properties and developmental timing of adversity. Results indicate that prolonged displacement experienced earlier in life was significantly linked with neural network organization, impacting the balance between the brain's functional integration and segregation as quantified by the overall reduced small worldness in comparison to experiencing displacement at an older age. This study leverages the experiences of refugee children to advance our understanding of how the timing of adversity affects development, providing valuable insights into the broader impacts of early adversity on neurodevelopment. • Developmental timing of adversity and neural network organization examined in refugees. • Varied age and duration of refugee displacement used to examine timing of adversity • Early adversity is linked with increased functional segregation • Early and prolonged adversity is linked with reduced smallworldness • Adversity-related change in neural networks may indicate accelerated neurodevelopment
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».