Shared and Unique Connectivity Signatures of Reading and Language Deficits
Notice bibliographique
Résumé
Reading ability depends on multiple cognitive skills, including decoding and language comprehension, which can vary widely across individuals-even among those with similarly low reading performance. To better understand the brain basis of this variability, we used connectome-based predictive modeling (CPM) to identify large-scale functional connectivity patterns associated with reading and language skills in a population-based sample. Cross-sectional CPM models were trained using functional connectivity data from the Adolescent Brain and Cognitive Development study (n = 6894) and tested in two independent cohorts: the New Haven Lexinome Project and the Genes, Reading, and Dyslexia study (combined n = 136). Functional connectivity measures included both resting- and task-based scans. Reading and language were measured with psychometric tests of word reading and vocabulary, respectively. CPM models significantly predicted reading (r = .24) and language (r = .28) scores in the discovery sample and generalized to an external sample (rs = .23 and .19). Anatomically, the reading and language models showed significant overlap, with the medial frontal network emerging as most predictive in both. However, these models exhibited distinct generalization patterns to children with decoding versus language comprehension difficulties-classified using 20th percentile cutoffs-highlighting their neural specificity. Reading and language models included distinct connectivity signatures and generalized differently to children with decoding versus language comprehension difficulties. These findings demonstrate that although reading and language abilities are behaviorally related, they are supported by partially distinct neural architectures. Integrating behavioral and neuroimaging data may clarify specific brain-behavior relationships and inform more tailored interventions for children with reading and language difficulties.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».