MétaCan
Menu
Retour à la cohorte
Enregistrement W4411399586 · doi:10.1162/imag.a.63

When age tips the balance: A dual mechanism affecting hemispheric specialization for language

2025· article· en· W4411399586 sur OpenAlexafffund
Élise Roger, Loïc Labache, Noah Hamlin, Jordanna Kruse, Monica Baciu, Gaëlle E. Doucet

Notice bibliographique

RevueImaging Neuroscience · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCategorization, perception, and language
Établissements canadiensUniversité de MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesNational Institute of General Medical SciencesNational Institute on AgingFonds de Recherche du Québec - SantéNational Institutes of HealthAgence Nationale de la RechercheCanadian Institutes of Health ResearchAGE-WELL
Mots-clésMechanism (biology)Dual (grammatical number)Dual languageBalance (ability)PsychologyCognitive psychologyNeuroscienceLinguisticsPhilosophyMathematics education

Résumé

récupéré en direct d'OpenAlex

Aging is accompanied by changes in brain architecture that alter the lateralization of functional networks. In this study, we examined how hemispheric specialization changes across the adult lifespan by analyzing resting-state fMRI and structural MRI data from 728 typical adults aged 18 to 88 years. Using the Language-and-Memory Network atlas, we quantified regional asymmetries in functional connectivity along the cortex's principal gradient, and normalized regional volumes across 37 bilateral regions. We identified two distinct age-related asymmetry trajectories: one pattern revealed a bilateralization of language-dominant regions, while the other showed increasing leftward specialization in multimodal regions associated with memory and language. These opposing patterns emerged around midlife and were linked to performance in language production tasks. By integrating connectivity gradients, structural asymmetries, and behavioral data, our findings provide new evidence for a dual mechanism reshaping functional brain lateralization with age and demonstrate the utility of resting-state metrics in tracking these shifts.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,325
Écart entre enseignants0,310 · 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueImaging NeuroscienceMême sujetCategorization, perception, and languageTravaux en français237 207