Rate of functional network maturity and the role of environmental factors
Notice bibliographique
Résumé
The developmental period from childhood to adolescence is marked by significant changes to the functional properties of the brain that support various aspects of higher-level cognition. Environmental factors such as socioeconomic status and adversity can have an outsized influence on neurocognitive development. However, not all environmental factors have the same influence on cognitive and brain development. In the current study, we examined the differential influences of SES (i.e., parental education and neighbourhood safety) and adversity on the maturation rate of functional networks in children and adolescents. Using resting-state fMRI data, independent component analysis with dual regression was computed to identify six networks (Default Mode Network (DMN), Left Executive Control Network (ECN), Right ECN, Hippocampal (HPC), Salience, and Sensorimotor networks) of interest in children and adolescents aged 7 to 15 (N=216, acquired from the Healthy Brain Network). A neural maturity index was generated based on the degree of similarity between the spatial configuration of the six networks in each youth brain to that of an adult template (1243 total, with a mean age of 26; independently by sex). Regression analyses were used to determine the association between neural maturity, social-cognitive abilities and environmental factors such as parental education, neighbourhood safety and number of negative life events (adversity). We found one sensory (sensorimotor) and two association (default mode and executive control) networks matured faster than other networks. Only the rate of maturity of the DMN and HPC were associated with environmental factors. Maturity of the DMN was associated with less adversity and better social cognitive ability, whereas maturity of the HPC network was associated with younger participants with higher IQs. Moreover, these effects were stronger in females than males. Our results highlight the importance of examining the unique contributions of distinct dimensions of childhood environments on neurocognitive development.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».