Brain structural and functional impairment network localization in obsessive–compulsive disorder
Notice bibliographique
Résumé
BACKGROUND: Numerous neuroimaging studies investigating the neural substrates of obsessive-compulsive disorder (OCD) have yielded inconsistent findings, and growing evidence suggests that psychiatric disorders are more accurately localized to brain networks rather than discrete brain regions. We sought to identify brain network localization in OCD. METHODS: We initially examined brain locations of structural and functional alterations among patients with OCD and healthy controls using neuroimaging studies. Employing a novel technique called functional connectivity network mapping (FCNM) and large-scale human brain connectome data, we mapped these damaged brain regions to 2 brain impairment networks in OCD. RESULTS: We included 62 neuroimaging studies involving 2578 patients with OCD and 2502 healthy controls. For FCNM, we used data from 556 healthy adults. Among patients with OCD, the grey matter volume (GMV) and resting-state activity impairment networks encompassed a broad range of brain regions, primarily involving the default mode, sensorimotor, and limbic networks, as well as the bilateral middle frontal gyrus and bilateral middle temporal gyrus. Additionally, the GMV impairment network specifically involved bilateral inferior frontal gyrus. LIMITATIONS: We used large-scale human brain connectome data from healthy people, rather than the samples clinically and demographically matched to the original study participants, to examine brain networks in OCD. CONCLUSION: Our study integrated an FCNM method with large-scale human brain connectome data to map heterogeneous abnormal brain locations of OCD to structural and functional impairment networks. Our findings deepen our understanding of the neuropathological mechanisms of OCD from a network perspective and may inform future neuromodulation treatment.
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 ».