Neuroimaging insights into brain mechanisms of early-onset restrictive eating disorders
Notice bibliographique
Résumé
Early-onset restrictive eating disorders (rEO-ED) encompass a heterogeneous group of conditions, including early-onset anorexia nervosa (EO-AN) and avoidant/restrictive food intake disorders (ARFID). However, the impact of rEO-ED on brain morphometry remains largely unknown. Here we performed the largest magnetic resonance imaging-derived brain features comparison of children and early adolescents (<13 years) with EO-AN (n = 124) or ARFID (n = 50) versus typically developing individuals (TD, n = 116). EO-AN was associated with widespread cortex thinning, while underweight patients with ARFID exhibited reduced surface area and volumes compared with TD. Despite similar body mass index distributions, EO-AN and ARFID showed distinct structural patterns, suggesting independent brain mechanisms. Finally, we identified overlapping patterns of brain thickness differences between EO-AN and obsessive–compulsive disorder and between ARFID and autism spectrum disorder. Future studies are required to partition the contribution of body mass index versus rEO-ED mechanisms, as well as to identify shared mechanisms with other neurodevelopmental conditions toward a multidimensional approach of eating disorders. In this cross-sectional study, the authors used structural MRI to compare subcortical volumes, cortical thickness and surface area between early-onset anorexia nervosa, avoidant/restrictive food intake disorder and typically developing young individuals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».