По теме
Питание для депрессивного мозга: что есть, чтобы улучшить на...
Узнайте, как питание влияет на депрессию и тревогу. Это руководство на основе последних исследований...
Потеря девственности: многолетний процесс, а не единичное со...
Исследование канадских ученых показывает, что потеря девственности — это многолетний процесс, состоя...
Как ИИ улучшает работу неинвазивного мозгового интерфейса
Учёные из Carnegie Mellon University показали, что комбинирование адаптивного ИИ с обучением моторны...
Как вспоминание sacrifices удваивает шансы на достижение цел...
Статья представляет результаты исследования, доказывающие, что регулярное напоминание о сделанных sa...
Долгосрочные эффекты когнитивно-поведенческой терапии для вз...
Подробный анализ 8-летнего катамнеза рандомизированного контролируемого исследования эффективности г...
Как объяснимый машинный дефект в рамках ЕвГ показывает разли...
Исследование демонстрирует, как теоретически обоснованный машинный дефект с объяснимыми выводами выя...
Введение
Современные нейронаучные исследования все чаще фокусируются на изучении взаимосвязей между показателями работы мозга и психологическими фенотипами. Функциональная связность в состоянии покоя (RSFC) — один из ключевых методов анализа индивидуальных различий. Однако RSFC подвержена значительной вариативности, что затрудняет выявление устойчивых биомаркеров психических расстройств.
","methods":"Методы
В исследовании использовались данные проекта Human Connectome Project (HCP) с повторными измерениями. Для анализа применялось структурное уравнение моделирование (SEM), которое позволяет учитывать ошибки измерения на уровне тестов, субшкал или отдельных пунктов опросников. Были рассмотрены различные модели, включая однофакторные и многофакторные, для оценки влияния состояния и ошибок измерения.
","results":"Результаты
Ошибки измерения ослабляли ассоциации между RSFC и психологическими фенотипами на 15.3–33.8%. Наибольший эффект наблюдался в сенсомоторных сетях по сравнению с когнитивными. Учет ошибок измерения позволил увеличить точность прогнозирования и снизить требования к размеру выборки.
","discussion":"Обсуждение
Результаты подчеркивают важность учета ошибок измерения в исследованиях RSFC. Применение SEM и латентных переменных может значительно улучшить качество анализа и прогнозирования. Будущие исследования должны сосредоточиться на разработке более эффективных методов учета ошибок измерения.
"}
