Association between spectral EEG power and autism risk and diagnosis: Utilizing large scale data-platforms to advance our understanding of the early development of ASD
Notice bibliographique
Résumé
Background: Autism spectrum disorder (ASD) has its origins in the atypical development of brain networks.Infants who are at high familial risk for ASD and are later diagnosed with the condition have early brain overgrowth, altered development of white matter pathways, and atypical connectivity.Electroencephalography (EEG) oscillatory power is a measure of cortical activity and has also been associated with familial risk, and recently reported to be associated with ASD outcomes.However, infant-sibling studies are often constrained by relatively small sample sizes, and the field would benefit from a large data-platform of existing infant-sibling datasets, similar to other data-platforms that have been established in the broader autism research field.Methods: We established the EEG-Integrated Platform (EEG-IP), a large multi-site dataset with 432 participants, including 222 at high-risk (HR) for ASD and 193 at low-risk (LR) for ASD, from whom repeated measurements of resting EEG were collected between the ages of 3-36 months, along with comprehensive diagnostic assessments in toddlerhood.A latent growth curve model was applied to test whether familial risk status predicts developmental trajectories of spectral power development across the first 3 years of life, and then whether these trajectories predict ASD outcome.Results: Independent of ASD risk and outcome, change in spectral EEG power in all frequency
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».