What we learn about bipolar disorder from large‐scale neuroimaging: Findings and future directions from the ENIGMA Bipolar Disorder Working Group
Notice bibliographique
Résumé
Abstract MRI‐derived brain measures offer a link between genes, the environment and behavior and have been widely studied in bipolar disorder (BD). However, many neuroimaging studies of BD have been underpowered, leading to varied results and uncertainty regarding effects. The Enhancing Neuro Imaging Genetics through Meta‐Analysis (ENIGMA) Bipolar Disorder Working Group was formed in 2012 to empower discoveries, generate consensus findings and inform future hypothesis‐driven studies of BD. Through this effort, over 150 researchers from 20 countries and 55 institutions pool data and resources to produce the largest neuroimaging studies of BD ever conducted. The ENIGMA Bipolar Disorder Working Group applies standardized processing and analysis techniques to empower large‐scale meta‐ and mega‐analyses of multimodal brain MRI and improve the replicability of studies relating brain variation to clinical and genetic data. Initial BD Working Group studies reveal widespread patterns of lower cortical thickness, subcortical volume and disrupted white matter integrity associated with BD. Findings also include mapping brain alterations of common medications like lithium, symptom patterns and clinical risk profiles and have provided further insights into the pathophysiological mechanisms of BD. Here we discuss key findings from the BD working group, its ongoing projects and future directions for large‐scale, collaborative studies of mental illness.
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 | 0,037 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».