Olvidé mi contraseña
Esta página web utiliza cookies para facilitar su navegación y realizar estudios y estadísticas de navegación. Puede deshabilitarlas en su navegador, pudiendo en tal caso limitarse la navegación y servicios del sitio web. Si no las deshabilita y continúa navegando, está consintiendo la utilización de las cookies de este sitio. Para más información consulte nuestra sección de Avisos Legales e información de cookies. Al pulsar "acepto" reconoce haber leído y estar de acuerdo con nuestra última modificación en las condiciones legales.
Toda la información incluida en la Página Web está referida a productos del mercado español y, por tanto, dirigida a profesionales sanitarios legalmente facultados para prescribir o dispensar medicamentos con ejercicio profesional. La información técnica de los fármacos se facilita a título meramente informativo, siendo responsabilidad de los profesionales facultados prescribir medicamentos y decidir, en cada caso concreto, el tratamiento más adecuado a las necesidades del paciente.
Autor/autores:
Lin Li, Liu Jingxuan, Yifan Zheng...(et.al)
Antecedentes La depresión subumbrales (SD) se considera una etapa prodrómica y un factor de riesgo significativo para el desarrollo del trastorno depresivo mayor (MDD). La identificación temprana de la SD es de gran relevancia clínica, ya que podría facilitar intervenciones oportunas y prevenir la progresión a MDD. En este estudio, se desarrolló ...
PUBLICIDAD
Estás viendo una versión reducida de este contenido.
Para consultar la información completa debes registrarte gratuitamente.
Tan sólo te llevará unos segundos.
Y si ya estás registrado inicia sesión pulsando aquí.
La depresión subumbrales (SD) se considera una etapa prodrómica y un factor de riesgo significativo para el desarrollo del trastorno depresivo mayor (MDD).
La identificación temprana de la SD es de gran relevancia clínica, ya que podría facilitar intervenciones oportunas y prevenir la progresión a MDD.
En este estudio, se desarrolló un modelo de clasificación basado en aprendizaje automático (ML) para la detección de individuos con SD mediante espectroscopia funcional de infrarrojo cercano (fNIRS) y la tarea de fluidez verbal (VFT).
Se reclutó un total de 70 participantes con SD y se emparejaron con 73 controles sanos (HCs) para diferenciar entre ambos grupos basándose en características de conectividad funcional (FC) obtenidas durante la tarea fNIRS–VFT. Se empleó un modelo de clasificación interpretable de bosque aleatorio (RF) para analizar los datos y generar predicciones sobre la presencia de SD.
El modelo RF demostró un área bajo la curva (AUC) de 0. 77, una precisión (ACC) del 75. 86%, una sensibilidad del 75. 00%, una especificidad del 76. 00% y una puntuación F1 de 0. 75 para la identificación de participantes con SD.
Las características de FC más relevantes para la clasificación se encontraron entre el Canal (CH) 26 (el campo ocular frontal derecho (FEF)) y el CH 30 (el FEF derecho), el CH 3 (la corteza premotora y motora suplementaria izquierda (PMC-and-SMA)) y el CH 42 (la PMC-and-SMA derecha), así como entre el CH 26 (el FEF derecho) y el CH 32 (la corteza somatosensorial primaria derecha (PSC)).
El modelo RF demostró ser capaz de clasificar con eficacia a los individuos con SD basándose en las características anómalas de la FC obtenidas a través de la fNIRS–VFT, destacando especialmente la relevancia del FEF derecho, la PSC bilateral y la PMC-and-SMA derecha.
Los hallazgos de este estudio proporcionan una base sólida para la implementación de un cribado a gran escala en poblaciones con SD, lo que podría facilitar el diagnóstico temprano y la prevención del MDD. Estos resultados resaltan el potencial del aprendizaje automático y la neuroimagen funcional para el avance en la identificación y tratamiento de la SD, abriendo nuevas oportunidades para enfoques preventivos en salud mental y mejorando la precisión de los métodos diagnósticos actuales.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://onlinelibrary.wiley.com/
