Socioeconomic Status Is Associated With Reward Processing, Interleukin 1β, Striatal Connectivity, and Antidepressant Outcomes in Individuals With Major Depressive Disorder: A CAN-BIND-1 Report
Notice bibliographique
Résumé
Background: Major depressive disorder (MDD) is a common condition with heterogeneous risk factors. Socioeconomic status (SES) is one such risk factor, which is negatively linked to MDD treatment outcomes and symptom severity. SES is associated with altered resting-state functional connectivity (RSFC) in reward-processing circuitry and elevated proinflammatory cytokine levels in individuals without depression. However, how the negative consequences of low SES exacerbate MDD psychopathology is poorly understood. Methods: Data on SES (household income and education), depression severity, self-reported reward processing, serum proinflammatory cytokine levels, and neuroimaging for 323 adult participants (211 patients with MDD receiving open-label escitalopram, 112 control participants without depression; 63.4% female) were obtained from the CAN-BIND-1 (Canadian Biomarker Integration in Depression Study-1) dataset. General linear models assessed the effects of MDD diagnosis and SES on self-reported reward processing and proinflammatory cytokine levels. Whole-brain seed-to-voxel RSFC analyses were performed for the dorsal and ventral striatum leveraging 249 participants (150 patients with MDD, 99 control participants; 62.2% female). We also assessed the impact of SES on response to open-label escitalopram. Results: > 2.3 threshold, MDD household income correlated with striatal RSFC with the dorsolateral prefrontal and posterior cingulate cortices. Conclusions: Our results elucidate the role of SES and its negative consequences in altering reward processing and antidepressant treatment efficacy in MDD, corroborating previous literature suggesting that SES significantly impacts health outcomes. Better characterizing the relationship between SES and MDD psychopathology may inform future treatment approaches and intervention 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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».