Brain functional connectivity correlates of autism diagnosis and familial liability in 24-month-olds
Notice bibliographique
Résumé
BACKGROUND: fcMRI correlates of autism spectrum disorder (ASD) diagnosis and familial liability were studied in 24-month-olds at high (older affected sibling) and low familial likelihood for ASD. METHODS: fcMRI comparisons of high-familial-likelihood (HL) ASD-positive (HLP, N = 23) and ASD-negative (HLN, N = 91), and low-likelihood ASD-negative (LLN, N = 27) 24-month-olds from the Infant Brain Imaging Study (IBIS) Network were conducted, employing object oriented data analysis (OODA), support vector machine (SVM) classification, and network-level fcMRI enrichment analyses. RESULTS: OODA (alpha = 0.0167, 3 comparisons) revealed differences in HLP and LLN fcMRI matrices (p = 0.012), but none for HLP versus HLN (p = 0.047) nor HLN versus LLN (p = 0.225). SVM distinguished HLP from HLN (accuracy = 99%, PPV = 96%, NPV = 100%), based on connectivity involving many networks. SVM accurately classified (non-training) LLN subjects with 100% accuracy. Enrichment analyses identified a cross-group fcMRI difference in the posterior cingulate default mode network 1 (pcDMN1)- temporal default mode network (tDMN) pair (p = 0.0070). Functional connectivity for implicated connections in these networks was consistently lower in HLP and HLN than in LLN (p = 0.0461 and 0.0004). HLP did not differ from HLN (p = 0.2254). Secondary testing showed HL children with low ASD behaviors still differed from LLN (p = 0.0036). CONCLUSIONS: 24-month-old high-familial-likelihood infants show reduced intra-DMN connectivity, a potential neural finding related to familial liability, while widely distributed functional connections correlate with ASD diagnosis.
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 | 0,001 | 0,010 |
| 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 ».