Working Memory Dysfunction: An fMRI Analysis in Schizophrenia
Notice bibliographique
Résumé
This thesis explores the relationship between brain activation and decreased performance in working memory in schizophrenia. This study analyzed differences in brain activation patterns during a working memory task-based fMRI comparing individuals with schizophrenia to healthy controls. Participants (n = 53) completed a working memory n-back paradigm while in an fMRI where they completed three levels that increased in working memory load; 0back, 1back, and 2back. Python analysis of fMRI data compared brain activation maps of individuals with schizophrenia (n = 22) to healthy controls (n = 31) during the different levels of the nback task. D prime of task scores accuracy was calculated and compared between groups. Through analysis of fMRI 2 group sample maps, individuals with schizophrenia showed greater overall activation specifically in areas of the default mode network (DMN) demonstrating that during working memory individuals with schizophrenia have an impaired ability to deactivate the DMN. Similarly, individuals with schizophrenia showed a significantly lower accuracy and decreased performance on the nback task. Understanding brain activation differences during working memory in schizophrenia is important in understanding the prevalent cognitive deficits and memory impairment symptoms. This can lead to development of specific risk markers identifiable before the onset of psychosis and effective treatment plans targeting memory symptoms. This study contributes to the understanding of the circuitry involved in working memory deficits and can be predictive of greater cognitive decline within individuals with schizophrenia.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».