MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408609301 · doi:10.1101/2025.03.17.643677

Dissecting heterogeneity in cortical thickness abnormalities in major depressive disorder: a large-scale ENIGMA MDD normative modelling study

2025· preprint· en· W4408609301 sur OpenAlexaff
Johanna Bayer, Laura S. van Velzen, Elena Pozzi, Christopher G. Davey, Laura K. M. Han, Stéphanie Bauduin, Jochen Bauer, Francesco Benedetti, Klaus Berger, Linda M. Bonnekoh, Katharina Brosch, Baptiste Couvy‐Duchesne, Kathryn R. Cullen, Udo Dannlowski, Danai Dima, Katharina Dohm, Jennifer W. Evans, Cynthia H.Y. Fu, Paola Fuentes‐Claramonte, Beata R. Godlewska, Janik Goltermann, Ali Saffet Gönül, J. Paul Hamilton, Ian B. Hickie, Alec J. Jamieson, Ramona Leenings, Frederike Stein, Katharina Wittfeld

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMcMaster University
Organismes subventionnairesAgència de Gestió d'Ajuts Universitaris i de RecercaNational Health and Medical Research CouncilMedical Research CouncilNational Institutes of HealthDeutsche ForschungsgemeinschaftCentro de Investigación Biomédica en Red de Salud MentalUniversity of MinnesotaSiemens HealthineersNederlandse Organisatie voor Wetenschappelijk OnderzoekWellcome TrustNational Institute of Mental HealthMinistero della SaluteRosetrees TrustUniversity of East LondonBundesministerium für Bildung und ForschungNational Alliance for Research on Schizophrenia and Depression
Mots-clésMajor depressive disorderNormativePsychologyClinical psychologyMedicinePsychiatryCognition

Résumé

récupéré en direct d'OpenAlex

Abstract Importance Major depressive disorder (MDD) is highly heterogeneous, with marked individual differences in clinical presentation and neurobiology, which may obscure identification of structural brain abnormalities in MDD. To explore this, we used normative modeling to index regional patterns of variability in cortical thickness (CT) across individual patients. Objective To use normative modeling in a large dataset from the ENIGMA MDD consortium to obtain individualised CT deviations from the norm (relative to age, sex and site) and examine the relationship between these deviations and clinical characteristics. Design, setting, and participants A normative model adjusting for age, sex and site effects was trained on 35 CT measures from FreeSurfer parcellation of 3,181 healthy controls (HC) from 34 sites (40 scanners). Individualised z-score deviations from this norm for each CT measure were calculated for a test set of 2,119 HC and 3,645 individuals with MDD. For each individual, each CT z-score was classified as being within the normal range (95% of individuals) or within the extreme range (2.5% of individuals with the thinnest or thickest cortices). Main outcome measures Z-score deviations of CT measures of MDD individuals as estimated from a normative model based on HC. Results Z-score distributions of CT measures were largely overlapping between MDD and HC (minimum 92%, range 92-98%), with overall thinner cortices in MDD. 34.5% of MDD individuals, and 30% of HC individuals, showed an extreme deviation in at least one region, and these deviations were widely distributed across the brain. There was high heterogeneity in the spatial location of CT deviations across individuals with MDD: a maximum of 12% of individuals with MDD showed an extreme deviation in the same location. Extreme negative CT deviations were associated with having an earlier onset of depression and more severe depressive symptoms in the MDD group, and with higher BMI across MDD and HC groups. Extreme positive deviations were associated with being remitted, of not taking antidepressants and less severe symptoms. Conclusions and relevance Our study illustrates a large heterogeneity in the spatial location of CT abnormalities across patients with MDD and confirms a substantial overlap of CT measures with HC. We also demonstrate that individualised extreme deviations can identify protective factors and individuals with a more severe clinical picture. Key points Question Can z-scores derived from normative modelling shed light on the heterogeneous group-level findings of cortical thickness abnormalities in major depression and what characterises individuals at the extreme ends of cortical thickness abnormalities? Finding We confirmed a large overlap in z-score distributions between depressed individuals and healthy controls and a heterogeneous spatial distribution of extreme z-deviations across brain regions across individual patients. Lower z-scores for cortical thickness were related to more severe clinical characteristics. Meaning Our findings confirm the heterogeneity in individual variation in the location and extent of CT abnormalities across patients with MDD and stress the importance of individualised predictions when examining cortical thickness abnormalities.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,009
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,026
Tête enseignante GPT0,260
Écart entre enseignants0,235 · 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

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→