Kortikale Morphologie bei Patienten mit und ohne Defizit

Molekulare Psychiatrie (2023)Diesen Artikel zitieren

63 Zugriffe

7 Altmetrisch

Details zu den Metriken

Konvergierende Beweise deuten darauf hin, dass Schizophrenie (SZ) mit primären, anhaltenden negativen Symptomen (d. h. Defizit-SZ (DSZ)) eine eigenständige Einheit innerhalb des SZ-Spektrums darstellt, während die neurobiologischen Grundlagen unbestimmt bleiben. Im größten Datensatz von DSZ und Non-Deficit (NDSZ) führten wir eine Metaanalyse der Daten von 1560 Personen (168 DSZ, 373 NDSZ, 1019 gesunde Kontrollpersonen (HC)) und eine Megaanalyse von Teilstichprobendaten von 944 Personen durch Individuen (115 DSZ, 254 NDSZ, 575 HC) wurden in 9 weltweiten Forschungszentren der ENIGMA SZ-Arbeitsgruppe (8 in der Megaanalyse) gesammelt, um zu klären, ob sie sich hinsichtlich der kortikalen Morphologie unterscheiden. In der Metaanalyse berechneten die Standorte mithilfe einer harmonisierten Pipeline Effektgrößen für Unterschiede in der kortikalen Dicke und Oberfläche zwischen SZ- und Kontrollgruppen. In der Megaanalyse wurden kortikale Werte von Personen mit Schizophrenie und Kontrollteilnehmern standortübergreifend mithilfe von ANCOVAs mit gemischten Modellen analysiert. Die Metaanalyse der Kortikalisdicke zeigte im Vergleich zu HC ein konvergierendes Muster weitverbreiteter dünnerer Kortikalis in frontoparietalen Regionen der linken Hemisphäre sowohl in DSZ als auch in NDSZ. Allerdings weisen DSZ ausgeprägtere Dickenanomalien auf als NDSZ, die meist den rechten frontoparietalen Kortex betreffen. Was die Oberfläche betrifft, so zeigte NDSZ im Vergleich zu HC Unterschiede in den fronto-parietalen-temporo-okzipitalen Kortizes und im Vergleich zu DSZ in den temporo-okzipitalen Kortizes. Obwohl DSZ und NDSZ im Vergleich zu HC weit verbreitete überlappende Regionen dünnerer Kortikalis aufweisen, scheint die kortikale Ausdünnung DSZ besser zu charakterisieren, da sie ausgedehnter und bilateraler ist, während Oberflächenveränderungen bei NDSZ deutlicher sind. Unsere Ergebnisse zeigen zum ersten Mal, dass DSZ und NDSZ durch unterschiedliche Neuroimaging-Phänotypen gekennzeichnet sind, was eine nosologische Unterscheidung zwischen DSZ und NDSZ stützt und auf die Hypothese einer separaten Krankheit hinweist.

Die Aufklärung der Heterogenität der Schizophrenie (SZ) stellt eine gewaltige ständige Herausforderung dar, die es erforderlich macht, die neurobiologischen Korrelate spezifischer Symptomatik zu untersuchen. Da die aktuelle Nosologie wahrscheinlich eine Gruppe von Krankheiten widerspiegelt [1], kann die Unterscheidung zwischen Subtypen der Schizophrenie, die durch homogenere anhaltende Symptome gekennzeichnet sind [1,2,3], eine wirksame Methode zur Identifizierung einzigartiger neurobiologischer Marker spezifischer Krankheitsentitäten innerhalb des SZ-Spektrums sein [4]. Es kann eine klinisch homogene Untergruppe von Patienten mit diagnostizierter SZ unterschieden werden, die primäre, stabile und anhaltende negative Symptome aufweisen (d. h. Defizit-SZ (DSZ)) [1, 2] und bis zu einem Drittel der Personen mit SZ ausmacht [5]. DSZ zeichnet sich im Vergleich zu Non-Deficit SZ (NDSZ) durch eine anhaltende Beeinträchtigung und eine schlechtere Langzeitprognose mit geringerer Wahrscheinlichkeit einer Genesung aus [6].

Klinische und neurobiologische Unterschiede zwischen DSZ- und NDSZ-Patienten [3, 7, 8, 9, 10, 11, 12] können bereits bei der ersten psychotischen Episode oder sogar vor der klinischen Manifestation festgestellt werden [3, 11, 13, 14]. Weitere Hinweise [1, 15, 16] deuten darauf hin, dass sich diese Krankheitsentitäten auch in den ätiologischen Faktoren, im Verlauf und im Ansprechen auf die Behandlung unterscheiden. Dementsprechend unterstützen mehrere Autoren [1, 3, 17, 18, 19, 20] die Hypothese, dass DSZ eine eigenständige Erkrankung innerhalb des SZ-Syndroms darstellen könnte.

Während die klinischen Manifestationen von DSZ charakteristische Merkmale aufweisen, die in früheren Arbeiten gut beschrieben wurden [8, 21, 22, 23, 24, 25, 26], sind die neuronalen Substrate der Störung nicht ausreichend verstanden [27]. Tatsächlich haben Studien zur strukturellen Magnetresonanztomographie (MRT) zu widersprüchlichen Ergebnissen geführt. Obwohl einige Studien über Anomalien der weißen Substanz [4, 28] (WM) und der grauen Substanz [29, 30, 31, 32] (GM) bei DSZ im Vergleich zu NDSZ berichteten, berichteten andere nur über Anomalien der grauen Substanz bei NDSZ-Patienten [33, 34]. oder keine Unterschiede zwischen den beiden Patientenuntergruppen [4].

Angesichts solch widersprüchlicher Ergebnisse könnte ein tieferer Einblick gewonnen werden, indem der Schwerpunkt von volumetrischen Maßen auf morphologische Parameter verlagert wird, die verschiedene Aspekte der Gehirnarchitektur indizieren. Tatsächlich ist das kortikale GM-Volumen als das Produkt zweier morphologischer Indizes (dh kortikale Dicke und Oberfläche) definiert, und ein geringeres Volumen kann entweder eine dünnere Kortikalis, eine kleinere Oberfläche oder beides widerspiegeln. Obwohl die genauen neurobiologischen Bestandteile unklar bleiben, können Oberfläche und kortikale Dicke durch die Anzahl bzw. die laminare Strukturierung kortikaler Säulen bestimmt werden [35, 36] und so eine biologisch relevante Zerlegung des kortikalen Volumens ermöglichen. Sie weisen einzigartige regionale Variationen in der Großhirnrinde auf, sowohl auf regionaler als auch auf der Ebene des gesamten Gehirns, und weisen weitgehend unterschiedliche genetische Architekturen auf [37,38,39]. Jedes dieser morphometrischen Merkmale zeigt unterschiedliche altersbedingte Trajektorien und liefert somit unterschiedliche Informationen über die Gehirnentwicklung und bietet möglicherweise grundlegendere Erkenntnisse als Vergleiche der GM-Volumina [37, 38], insbesondere bei Erkrankungen, die durch neurologische Entwicklungsstörungen gekennzeichnet sind [40].

Frühere strukturelle Neuroimaging-Studien haben ergeben, dass die Dicke und Oberfläche der Kortikalis bei SZ-Patienten insgesamt abnormal sind [41, 42], und diese Anomalien korrelierten mit negativen Symptomen. Bisher haben jedoch nur wenige Studien solche Indizes in der DSZ untersucht [4, 31, 43] und dabei widersprüchliche Ergebnisse gemeldet. Konkret beobachtete eine Studie eine dünnere Kortikalis im Bereich des anterioren Cingulums [31] und des temporoparietalen Übergangs bei DSZ im Vergleich zu NDSZ [43], während eine andere Studie keine Unterschiede zwischen den beiden Gruppen beobachtete [4]. Die Oberflächenbefunde sind homogener, was darauf hindeutet, dass es keine Unterschiede zwischen DSZ und NDSZ gibt [4, 43]. Diesen inkonsistenten oder negativen Ergebnissen kann jedoch eine begrenzte Aussagekraft zugrunde liegen, die auf Stichprobengrößen zwischen 18 und 40 Personen mit diagnostizierter DSZ basiert. Darüber hinaus könnten methodische Unterschiede, wobei einige Studien scheitelpunktbasierte Ansätze untersuchten [4, 43] und andere ROI-Ansätze (Region of Interest) verwendeten [31], sowie Unterschiede in den Datenerfassungs- und -verarbeitungsprotokollen möglicherweise weiter zu den beobachteten Diskrepanzen in den Ergebnissen beigetragen haben. Um die Heterogenität in der Bildverarbeitung zu überwinden und die Stichprobengröße zu erhöhen, bieten Konsortien für die Bildgebung des Gehirns die Möglichkeit, Daten aus aller Welt zusammenzuführen, um mithilfe standardisierter Verarbeitungs- und Analysemethoden eine höhere statistische Aussagekraft zu erreichen. Hier haben wir Daten von mehreren weltweiten Forschungszentren gesammelt, die zur ENIGMA SZ-Arbeitsgruppe beigetragen haben, um den bislang größten untersuchten DSZ- und NDSZ-Datensatz zu erstellen.

Wir haben Messungen der kortikalen Dicke und Oberfläche verglichen, um zu testen, ob sich Patienten mit DSZ von Patienten mit NDSZ in morphologischen Parametern unterscheiden, die verschiedene Aspekte der Gehirnarchitektur indizieren. Da sowohl Meta- als auch Megaanalyse-Ansätze Vor- und Nachteile haben (Übersichten finden Sie in [44,45,46]), wurden beide Methoden übernommen, um zu untersuchen, ob das Megaanalyse-Design eine höhere Empfindlichkeit bei der Erkennung subtilerer Hirnanomalien erreichen könnte eine bessere Informationsbewahrung. Dies steht im Einklang mit früheren ENIGMA-Studien [47,48,49].

Wir stellten die Hypothese auf, dass beide SZ-Untergruppen im Vergleich zu HC weit verbreitete kortikale morphometrische Anomalien aufweisen würden. Darüber hinaus stellten wir die Hypothese auf, dass es in DSZ und NDSZ unterschiedliche Muster kortikaler Dicke und Oberflächenanomalien gibt. Die Identifizierung überlappender und divergierender morphologischer Merkmale in SZ-Subtypen kann wichtige Hinweise zur Abgrenzung gemeinsamer und einzigartiger pathologischer Pfade innerhalb des SZ-Syndroms liefern, was für die Verbesserung der diagnostischen und therapeutischen Genauigkeit bei dieser heterogenen Störung von entscheidender Bedeutung ist.

Die aktuelle Studie umfasste Patienten mit der Diagnose SZ und HC. Die Diagnose basierte auf den Kriterien des Diagnostic and Statistical Manual of Mental Disorders (DSM, Editionen IV-TR [50] oder 5 [51]) oder der International Classification of Diseases (ICD-10) [52] unter Verwendung der entsprechenden Version des Structured Klinisches Interview für DSM-Störungen (SCID) [53, 54] und/oder eine Durchsicht von Fallakten/Krankenakten durch ausgebildete Kliniker (weitere Einzelheiten siehe Ergänzungstabelle S1). Für alle Personen waren die Bewertungen der Positive and Negative Syndrome Scale [55] (PANSS) und T1-gewichtete strukturelle MRT-Daten des Gehirns verfügbar. HC wurden rekrutiert und mithilfe des SCID auf eine aktuelle oder lebenslange Vorgeschichte psychiatrischer Störungen untersucht (weitere Einzelheiten finden Sie in der Ergänzungstabelle S1).

Je nach Verfügbarkeit und ethischer Erlaubnis jedes Forschungsstandorts, einzelne Rohdaten oder Daten zur Effektgröße zwischen Gruppen weiterzugeben, haben wir zwei verschiedene Proben für die Meta- und Megaanalyse analysiert. Die Stichprobe der Metaanalyse umfasste 9 Kohorten aus 8 Ländern mit insgesamt 1560 Teilnehmern, darunter 1019 HC, 168 DSZ und 373 NDSZ. Die Megaanalyse-Stichprobe umfasste Daten von 8 Kohorten in 7 Ländern (1 Standort hatte keine Erlaubnis zur Weitergabe individueller Daten) und umfasste 944 Teilnehmer (d. h. 575 HC, 115 DSZ und 254 NDSZ). In der Megaanalyse wurden die DSZ-, NDSZ- und HC-Teilnehmer geschlechtsübergreifend eins zu eins altersentsprechend (± 2 Jahre) von einem Forscher ohne Bezug zu den Studienzielen verglichen, um verwirrende Auswirkungen altersabhängiger Veränderungen in der Gehirnmorphologie zu reduzieren [56]. Die demografischen Daten der Teilnehmer (d. h. Alter und Geschlecht) wurden sowohl für die Stichproben der Meta- als auch der Megaanalyse erhoben, während klinische Daten (d. h. stabile Dosierung von Chlorpromazin-Äquivalenten antipsychotischer Behandlungen, Krankheitsdauer, Häufigkeit positiver, negativer und allgemeiner Symptome) erhoben wurden ) wurden nur für die Megaanalyse erhoben.

Jede Studienprobe wurde mit der schriftlichen Einverständniserklärung der Teilnehmer entnommen, die von den örtlichen Institutional Review Boards genehmigt wurde. Die Autoren erklärten, dass alle Verfahren, die zu dieser Arbeit beitragen, den ethischen Standards der relevanten nationalen und institutionellen Komitees für Menschenversuche und der Helsinki-Erklärung von 1975 in der 2008 überarbeiteten Fassung entsprechen. Es wurden keine personenbezogenen Daten zwischen den ENIGMA-Institutionen ausgetauscht.

Die Charakterisierung von DSZ wurde gemäß der Proxy-Fallidentifizierungsmethode (dh dem Proxy für das Defizitsyndrom (PDS) (57)) unter Verwendung von PANSS (55) durchgeführt. Das PDS weist eine gute Spezifität, Sensitivität und Genauigkeit auf [57]. Darüber hinaus hat sich das PDS wiederholt als gültiges Instrument für die Kategorisierung von Patienten in DSZ und NDSZ erwiesen, sowohl in frühen als auch chronischen Populationen [58, 59]. Konkret ist der PDS-Score als zusammengesetzter Score definiert – das heißt, die Summe der Scores (aus dem PANSS) der Angst-, Schuldgefühle-, depressiven Verstimmungs- und Feindseligkeitselemente, abgezogen vom Score für den Item-Score für abgestumpfte Affekte. Zur Klassifizierung von DSZ und NDSZ wurde ein Cut-off von 2 verwendet [57]. Diese Berechnung spiegelt primäre und anhaltende Negativsymptome beim Defizitsyndrom wider [2]. Um die Wahrscheinlichkeit einer korrekten Klassifizierung zu erhöhen und potenziell falsch positive Ergebnisse zu reduzieren [60], wurden nur Patienten, die im oberen und unteren Quartil der PDS-Scores rangierten, als Patienten mit DSZ bzw. NDSZ definiert. Daher haben wir das mittlere Quartil der Patienten aus der SZ-Stichprobe eliminiert, die als stark gemischte Gruppe von DSZ- und NDSZ-Patienten angesehen werden kann, während die Einbeziehung der beiden extremen Quartile die Auswahl relativ „reiner“ Gruppen von Personen mit ausgeprägten klinischen Symptomen gewährleistete Symptome. Eine solche relativ konservative Kategorisierungsmethode wurde bereits in früheren Studien eingesetzt [12, 61]. Der gesamte Kategorisierungsprozess wurde von der koordinierenden Stelle anhand der von jeder Forschungsstelle gemeinsam genutzten Daten verwaltet und dann für die In-situ-Vorverarbeitung der Neuroimaging-Daten neu verteilt.

Strukturelle T1-gewichtete Gehirnscans wurden an jedem Forschungsstandort für DSZ, NDSZ und HC erfasst und lokal verarbeitet. Details zu Scanner und Erfassung an jedem Standort finden Sie in Tabelle S1 in der Online-Ergänzung. Alle Standorte verarbeiteten die T1-gewichteten strukturellen Gehirnscans für jeden Teilnehmer mithilfe einer automatisierten und validierten Pipeline, d. h. „recon-all“, wie in FreeSurfer (https://surfer.nmr.mgh.harvard.edu/) implementiert. Insbesondere wurden die Durchschnittswerte der kortikalen Dicke und Oberfläche für jede der 70 interessierenden kortikalen Regionen (ROI) (34 Regionen pro Hemisphäre + 1 ganze Hemisphäre) auf der Grundlage des Desikan-Killiany-Parzellierungsschemas [62] sowie insgesamt extrahiert Gehirnoberfläche und mittlere kortikale Dicke. Der Einsatz von FreeSurfer in Multisite-Analysen wurde in früheren ENIGMA-Studien validiert [47, 63]. Als letzten Schritt endete die Pipeline mit der visuellen Prüfung aller Daten in einer Reihe von Standardebenen, um potenzielle Ausreißer zu erkennen (http://enigma.ini.usc.edu/protocols/imaging-protocols/).

Um die Cohen-d-Effektgrößen für die Metaanalyse zu berechnen, untersuchte jeder Standort die Unterschiede zwischen DSZ und NDSZ (getrennt) und HC bei kortikalen Dicken- und Oberflächenmessungen mithilfe eines ANCOVA-Modells. Neuroanatomische Messungen jedes ROI gingen als abhängige Variable und ein binärer Diagnoseindikator (0 = Kontrolle, 1 = Fall) als interessierender Prädiktor in das Modell ein. Das Modell umfasste intrakranielles Volumen (ICV), Alter, Alter2, Geschlecht, Interaktion zwischen Alter und Geschlecht und Interaktion zwischen Alter und Geschlecht als Kovariaten. Alter und Alter2 wurden einbezogen, um lineare und nichtlineare Auswirkungen des Alters auf die Gehirnstruktur auszugleichen [64]. Um eine standardisierte Mittelwertdifferenz zu erhalten, wurde die t-Statistik der aus Regressionsmodellen erhaltenen Diagnosevariablen verwendet, um die Cohen-d-Effektgrößenmetriken zu berechnen.

Alle Regressionsmodelle und Effektgrößenschätzungen wurden an jedem Standort einzeln berechnet und am koordinierenden Standort (dem Labor für Neuropsychiatrie der Santa Lucia Foundation IRCCS in Rom, Italien) wurde unter Verwendung von Comprehensive Meta eine Metaanalyse mit inverser Varianzgewichtung nach Zufallseffekten durchgeführt -Analysesoftware (CMA), Version 2 [65]. Konkret war die koordinierende Stelle diejenige, die die von jeder teilnehmenden Stelle berechneten Effektgrößen sammelte und analysierte. Random-Effect-Metaanalysen wurden sowohl für DSZ als auch für NDSZ getrennt durchgeführt. Die Q-Statistik, I2- und τ2-Scores wurden berechnet, um die Gesamtheterogenität der Effektgrößen und die Varianz zwischen Standorten zu bestimmen. Die Stabilität der Gesamteffektgrößenschätzung wurde mithilfe einer Sensitivitätsanalyse zum Auslassen eines Effekts getestet, um zu beurteilen, ob die Ergebnisse von ortsspezifischen Störeffekten abhingen. Insbesondere zeigt die Sensitivitätsanalyse, wie sich die Gesamteffektgröße ändert, wenn jeweils ein Datensatz entfernt wird, und gibt Aufschluss über die Variabilität zwischen Standorten und Stichprobenfehler.

Außerdem wurde eine Untergruppenanalyse mit gemischten Effekten durchgeführt, um die Effektgrößenschätzungen zwischen der DSZ- und der NDSZ-Gruppe direkt zu vergleichen. Insbesondere wurde in dieser Untergruppenanalyse davon ausgegangen, dass die Varianz zwischen den Standorten zufällig durch Faktoren beeinflusst wird, die den Datensatzmerkmalen (DSZ, NDSZ) und dem Stichprobenfehler innewohnen, während erwartet wird, dass die Effektgröße in Datensätzen, die aus derselben Population entnommen wurden, gleichwertig und fest ist.

Demografische Unterschiede zwischen den Gruppen wurden mithilfe von ANOVA- oder Chi-Quadrat-Tests bewertet.

Es wurde eine Bonferroni-Korrektur mehrerer Vergleiche angewendet.

Die Megaanalyse wurde durchgeführt, indem alle kortikalen Dicken- und Oberflächenmessungen der einzelnen Probanden von 8 Standorten zusammengefasst wurden; 1 Website verfügte nicht über die Berechtigung, diese Daten weiterzugeben.

Gruppenunterschiede in demografischen Merkmalen und klinischen Merkmalen wurden mithilfe von ANOVA-, Student-t- oder Chi-Quadrat-Tests bewertet.

Unterschiede in der Gehirnmorphometrie zwischen DSZ, NDSZ und HC wurden mithilfe univariater ANCOVA-Modelle mit gemischten Effekten bewertet. Insbesondere wurden kortikale Dicke oder Oberflächenmaße jedes ROI als abhängige Variablen in das Modell einbezogen. Die Gruppe (DSZ, NDSZ, HC) wurde als fester Faktor und der Standort als Zufallsfaktor in das Modell eingegeben. Ähnlich wie bei den Metaanalysen wurden Alter, Alter2, Geschlecht, Interaktion zwischen Alter und Geschlecht und Interaktion zwischen Alter2 und Geschlecht als zusätzliche verwirrende Kovariaten hinzugefügt, um den Einfluss demografischer Faktoren auf die anatomische interindividuelle Variabilität zu berücksichtigen. Alle Statistiken wurden mit SPSS Statistics Version 25.0 (IBM, Armonk, NY) durchgeführt, wobei p < 0,05 als statistischer Signifikanzschwellenwert berücksichtigt wurde. Für signifikante Ergebnisse aus den Mächtigkeits- und Oberflächen-Megaanalysen wurden Bonferroni-korrigierte Post-hoc-Vergleiche durchgeführt.

Die in die Metaanalyse einbezogenen HC-Teilnehmer waren deutlich jünger als die SZ-Teilnehmer, obwohl es keine signifikanten Altersunterschiede zwischen der DSZ- und der NDSZ-Gruppe gab. Auch die Geschlechterverteilung unterschied sich zwischen den drei in die Metaanalysen einbezogenen Gruppen (Tabelle 1).

Die Metaanalyse der Kortikalisdicke ergab 53 ROIs (von 70 analysierten) mit deutlich dünnerem Kortex sowohl in DSZ als auch in NDSZ im Vergleich zu HC. Im Vergleich zu HC waren jedoch nur in der DSZ-Gruppe der linke laterale orbitofrontale, der rostrale Teil des linken anterioren Cingulums und der rechte transversale temporale Kortex signifikant dünner, während der linke lateral-okzipitale und linguale Kortex bei deutlich dünner waren Nur NDSZ (siehe Ergänzungstabellen S7 und S8).

Signifikante Heterogenität wurde in 18 ROIs für die DSZ und 36 ROIs für die NDSZ beobachtet, basierend auf der moderaten Varianz zwischen den Standorten (I2 > 50 %; Ergänzungstabellen S7 und S8), was darauf hindeutet, dass die Variabilität in den Merkmalen der Studienpopulation höher war in der NDSZ-Gruppe. Darüber hinaus ergab die Sensitivitätsanalyse (Daten auf Anfrage erhältlich) für sieben weitere Effekte, dass sich die Entfernung einzelner Datensätze (von 1 bis 8) auf die Modellsignifikanz auswirkte.

Betrachtet man nur homogene (standortübergreifend konsistente, nicht signifikante und geringe Heterogenität zwischen Datensätzen; I2 < 50 %) und robuste (überlebende Sensitivitätsanalyse und Bonferroni-Korrektur für mehrere Vergleiche) Effekte, war in 9 überlappenden ROIs für beide SZ-Gruppen ein dünnerer Kortex zu beobachten , in 10 ROIs nur für DSZ (hauptsächlich in der rechten Hemisphäre) und 2 ROIs nur für NDSZ (Tabelle 2).

Die metaanalytische Untergruppenanalyse zur kortikalen Dicke zeigte keine signifikanten Unterschiede in der Effektgröße zwischen DSZ und NDSZ (Ergänzungstabellen S7 und S8; Abb. 1).

L. Linke Hemisphäre, R. Rechte Hemisphäre, DSZ-Defizit-Schizophrenie-Gruppe, NDSZ-Nicht-Defizit-Schizophrenie-Gruppe, HC-Gesunde-Kontrollen-Gruppe, Histogrammbalken stellen Cohens d-Effektgrößen nach Metaanalyse dar; Fehlerbalken stellen ein 95 %-Konfidenzintervall dar. Blaue Balken stellen Regionen dar, in denen sich DSZ nur signifikant von HC unterscheidet; violette Balken stellen Regionen dar, in denen sich entweder DSZ oder NDSZ deutlich von HC unterscheiden; Limonengelbe Balken stellen Regionen dar, in denen sich NDSZ nur signifikant von HC unterscheidet.

Die Metaanalyse der kortikalen Oberfläche (siehe Ergänzungstabellen S9 und S10) zeigte, dass DSZ im Vergleich zu HC eine kleinere Oberfläche im linken Gyrus fusiformis, im linken oberen Frontalbereich und im linken Pars triangularis-Bereich aufwies. Die Ergebnisse für die beiden letztgenannten ROIs waren nicht robust, da sie die Sensitivitätsanalyse nicht überlebten, während der Effekt im linken Gyrus fusiformis die Bonferroni-Korrektur nicht überlebte. NDSZ zeigte eine deutlich kleinere kortikale Oberfläche im kaudalen Teil des bilateralen anterioren cingulären Kortex, im rechten Isthmus des cingulären Kortex und im rechten präzentralen Kortex. Nur die Ergebnisse für den kaudalen Teil des rechten anterioren cingulären Kortex waren konsistent und robust, obwohl sie die Bonferroni-Korrektur nicht überlebten, während bei den übrigen ROIs die Modellsignifikanz durch die Entfernung einzelner Datensätze beeinträchtigt wurde (Ergebnisse auf Anfrage erhältlich).

Die metaanalytische Subgruppenanalyse auf der kortikalen Oberfläche zeigte keine Unterschiede in der Effektgröße zwischen DSZ und NDSZ (Ergänzungstabellen S9 und S10).

In den drei in die Megaanalysen einbezogenen Gruppen wurde eine deutlich unterschiedliche Geschlechterverteilung beobachtet, während erwartungsgemäß aufgrund des angewandten Matching-Verfahrens kein Altersunterschied festgestellt wurde (Tabelle 1). In Übereinstimmung mit dem diagnostischen Phänotyp waren die Bewertungen positiver, negativer und allgemeiner psychopathologischer Symptome in den DSZ- und NDSZ-Gruppen unterschiedlich (Tabelle 1). Es wurden keine signifikanten Unterschiede hinsichtlich der Krankheitsdauer oder der Dosierung der pharmakologischen Behandlung (Chlorpromazin-Äquivalente) beobachtet.

ANCOVAs mit gemischten Modellen zur Messung der Kortikalisdicke aus 70 ROIs zeigten einen signifikanten Diagnoseeffekt (Tabelle 3) im rechten Isthmus des cingulären Kortex und den rechten Ufern des Sulcus temporalis superior. Bonferroni-korrigierte Post-hoc-Vergleiche zeigten, dass die DSZ-Gruppe im Vergleich zur HC einen dünneren rechten Isthmus aufwies, während die NDSZ dünnere rechte Ufer des Sulcus temporalis superior aufwies. Darüber hinaus zeigten Messungen der mittleren Dicke links und rechts einen signifikanten Gruppeneffekt mit geringerer Dicke sowohl in DSZ als auch in NDSZ im Vergleich zu HC. Es wurden keine signifikanten Unterschiede zwischen DSZ und NDSZ gefunden.

ANCOVAs mit gemischten Modellen auf Oberflächenmessungen zeigten einen signifikanten Einfluss der Diagnose auf die lateralen okzipitalen Kortizes (beidseitig), den linken Precuneus und supramarginalen Gyrus, den rechten kaudalen Teil des anterioren Cingulums, den Pericalcarinus, den unteren temporalen, den lingualen und den oberen frontalen Kortizes ( Tisch 3).

Bonferroni-korrigierte Post-hoc-Vergleiche zeigten, dass die NDSZ-Gruppe im Vergleich zu HC und DSZ eine kleinere Oberfläche in den bilateralen lateralen okzipitalen Kortizes (stärker in der rechten Hemisphäre), dem rechten Pericalkarinus, den unteren temporalen und lingualen Kortizes aufwies. Darüber hinaus wies NDSZ im Vergleich zu HC eine kleinere Oberfläche im kaudalen Teil des rechten anterioren cingulären Kortex und eine größere Oberfläche im linken Precuneus, im linken supramarginalen Gyrus und im rechten oberen Frontalkortex auf (Tabelle 3; Abb. 2). .

L. Linke Hemisphäre, R. Rechte Hemisphäre, DSZ-Defizit-Schizophrenie-Gruppe, NDSZ-Nicht-Defizit-Schizophrenie-Gruppe, HC-Gesunde-Kontrollgruppe. Das Histogramm stellt die mittleren Unterschiede in jedem Flächenvergleich dar. Grüne Balken stellen Regionen dar, in denen sich NDSZ nur signifikant von HC unterscheidet; Violette Balken stellen Regionen dar, in denen sich NDSZ signifikant von HC oder DSZ unterscheidet.

In dieser größten koordinierten Neuroimaging-Studie, die jemals zu morphologischen Gehirnmessungen in DSZ und NDSZ durchgeführt wurde, fanden wir unterschiedliche Ergebnisse aus Meta- und Megaanalysen, die im Einklang mit den methodischen Unterschieden zwischen beiden stehen. Während die Metaanalyse hier aufgrund der größten Stichprobengröße als der aussagekräftigste Ansatz angesehen werden kann, sollte die Megaanalyse aufgrund des zusätzlichen Matching-Verfahrens als der am besten kontrollierte Ansatz angesehen werden. Daher haben wir die Ergebnisse beider Analysen als sich gegenseitig verstärkend betrachtet und damit gezeigt, dass: (1) sowohl DSZ als auch NDSZ Anomalien der kortikalen Dicke aufweisen, aber nur NDSZ Oberflächenanomalien im Vergleich zu HC aufweisen; (2) DSZ weisen ausgeprägtere Dickenanomalien auf als NDSZ, die meist die rechte Hemisphäre betreffen; (3) NDSZ haben eine kleinere temporo-okzipitale Oberfläche als DSZ.

Mehrere Hinweise deuten darauf hin, dass die Dicke und Oberfläche der Kortikalis durch weitgehend unabhängige genetische Faktoren moduliert werden, die auch phänotypisch nicht miteinander zusammenhängen (37, 38) und mit unterschiedlichen zellulären Prozessen innerhalb der Großhirnrinde verbunden sind (36, 66). Tatsächlich wird gemäß der Hypothese der radialen Einheit die Oberfläche in erster Linie durch die Anzahl der Säulen der Großhirnrinde bestimmt, und die Dicke der Hirnrinde wird hauptsächlich durch die Anzahl und Größe der Zellen innerhalb einer Spalte bestimmt (ebd.). Darüber hinaus unterscheiden sich die Dicke und Oberfläche der Kortikalis in ihren Entwicklungsverläufen [67] und dem Zeitpunkt der Reifung und sind das Ergebnis unterschiedlicher ontogenetischer Stadien während der Kortikogenese [68]. Während Ersteres anfälliger für Umweltfaktoren zu sein scheint [69], könnte Letzteres stärker von frühen neurologischen Entwicklungsfaktoren und genetischen Faktoren beeinflusst werden [37, 38]. Nur wenige und inkonsistente Studien haben die Genetik von DSZ und NDSZ untersucht (siehe [18] für eine Übersicht), und zukünftige Längsschnittstudien werden Aufschluss über mögliche Unterschiede in abnormalen Entwicklungsverläufen der kortikalen Dicke und Oberfläche zwischen beiden geben. Unsere Ergebnisse zeigen jedoch zum ersten Mal, dass DSZ und NDSZ durch unterschiedliche Neuroimaging-Phänotypen gekennzeichnet sind, wobei DSZ durch ausgeprägtere Anomalien in der Anzahl (oder Größe) kortikaler Neuronen gekennzeichnet ist, während NDSZ in der Anzahl kortikaler Spalten charakterisiert ist.

Abgesehen von dieser Divergenz und im Einklang mit früheren morphologischen Daten einer weit verbreiteten kortikalen Ausdünnung in SZ (41, 42) liefern unsere Ergebnisse auch neue Hinweise auf gemeinsame Veränderungen der kortikalen Dicke in DSZ und NDSZ, hauptsächlich in den linken frontoparietalen Regionen.

Über eine abnormale Funktion des Parietallappens wurde zuvor in SZ berichtet [70] und sie war mit psychotischen Erfahrungen verbunden [71], die sich speziell auf die kortikale Dicke auswirken würden, da regionale Variationen in der parietalen grauen Substanz besonders durch Umweltfaktoren beeinflusst werden, selbst bei sich normal entwickelnden Jugendlichen [ 72]. Darüber hinaus ist bekannt, dass die parietalen Kortizes an verschiedenen neuropsychologischen Funktionen beteiligt sind, die bei SZ-Patienten betroffen sind [73]. Insbesondere spielen sie eine entscheidende Rolle bei der Speicherung und dem Abruf verbaler Informationen und unterstützen den Frontallappen [74]. Darüber hinaus sind die Parietallappen für eine wesentliche Verarbeitung im Zusammenhang mit der räumlichen Wahrnehmung und Aufmerksamkeit verantwortlich [75,76,77], und die Aktivierung der Parietalregionen sowie der präfrontalen und medialen Temporallappen ist für die erfolgreiche Kodierung episodischer Erinnerungen erforderlich [78]. Interessanterweise sind diese Regionen auch an bewusstseinsbezogenen Prozessen beteiligt [79, 80] und schlechte klinische und kognitive Erkenntnisse sind wichtige psychopathologische Merkmale von SZ, die die psychosoziale Funktion, die klinischen Ergebnisse und die Therapietreue der Patienten verschlechtern [79, 80, 81, 82]. ,83,84]. Unsere Ergebnisse zu dünneren Parietal- und Frontalkortizes in DSZ und NDSZ stimmen mit früheren Bildgebungsstudien überein, die darauf hindeuten, dass bei SZ Anomalien der grauen Substanz früher in den Parietallappen beginnen und sich in die Frontalregionen erstrecken (siehe [70] für eine Übersicht). Unsere Ergebnisse verdeutlichen jedoch deutlich eine unterschiedliche fronto-parietale Beteiligung in den beiden SZ-Untergruppen, die nur in der DSZ umfangreicher und bilateraler ist.

Während die Dickenanomalien, die beide SZ-Untergruppen gemeinsam hatten, hauptsächlich in der linken Hemisphäre auftraten, zeigten die DSZ umfangreiche Dickenanomalien in der rechten Hemisphäre. Neurowissenschaftliche Literatur und neuropsychologische Beweise belegen eine allgemeine Dominanz der rechten Gehirnhälfte für Emotionen, Aufmerksamkeit und Erregung [85]. Darüber hinaus moduliert die rechte Hemisphäre Sprachfunktionen höherer Ordnung, die für ein genaues Verständnis der Kommunikationsabsicht einer Person unerlässlich sind [86]. Beeinträchtigungen beim korrekten Ableiten der kommunikativen Absichten anderer Menschen sowie Defizite bei der Verarbeitung emotionaler Ausdrücke und der Wahrnehmung emotionaler Intensität, die auch durch die rechte Hemisphäre vermittelt werden [87], könnten erheblich zu den für DSZ charakteristischen sozialen Interaktionsdefiziten beitragen [88].

Unsere Ergebnisse zeigen auch, dass NDSZ eine deutliche Abnahme der kortikalen Dicke sowohl des linken Frontalpols als auch des rechten parazentralen Läppchens zeigt. Eine aktuelle Übersicht [89] deutete darauf hin, dass der Frontalpol erheblich von der Pathophysiologie der SZ beeinflusst wird, mit relevanten Veränderungen in den vielen höheren kognitiven Funktionen, die dieser Region unterliegen, wie Emotionen, Gedächtnis, exekutive Funktionen und kognitive Konfliktlösung (ebd.). . In Bezug auf den parazentralen Läppchen, der funktionell mit anderen frontalen und parietalen Regionen verbunden ist [90], deuteten frühere Studien darauf hin, dass aufgrund seiner Beteiligung an motorischen und räumlichen Aufmerksamkeitsfunktionen einige motorische Anomalien (z. B. Gestendefizite und neurologische weiche Zeichen) und Aufmerksamkeitsstörungen beobachtbar sind bei SZ könnten auf strukturelle Anomalien in diesem Bereich zurückzuführen sein und mit einer beeinträchtigten psychosozialen Funktion verbunden sein.

Kortikale Funktionen, die entweder über den Frontalpol oder den parazentralen Läppchen vermittelt werden, scheinen eher mit der negativen Symptomatik als mit den für NDSZ charakteristischen positiven Symptomen in Zusammenhang zu stehen. Allerdings treten auch in dieser SZ-Untergruppe häufig negative Symptome auf, wenn auch weniger schwerwiegend und anhaltend. In Übereinstimmung mit unseren Erkenntnissen kann man behaupten, dass die überlegene psychosoziale Anpassung, die Personen mit weniger negativen Symptomen zeigten [91], teilweise auf die relativ erhaltene anatomische Integrität des rechten Parietallappens zurückzuführen sein könnte, trotz der beobachteten Verringerung kortikale Dicke innerhalb des Frontalpols und des parazentralen Läppchens. Darüber hinaus stimmt die größere Prävalenz von Dickenanomalien in der rechten Hemisphäre der DSZ-Untergruppe perfekt mit der charakteristischen Symptomatik der Diagnose überein, die Defizite in der sozialen Interaktion, Rückzug und emotionale Abstumpfung mit sich bringt.

Es ist jedoch anzumerken, dass trotz der gemeldeten unterschiedlichen kortikalen Korrelate der Symptomatologie weder in der Meta- noch in der Megaanalyse signifikante Ergebnisse im direkten Vergleich der DSZ- und NDSZ-Gruppen gefunden wurden. Nach unserem besten Wissen hat nur eine Studie [43] in einigen Regionen (d. h. im Bereich des bilateralen anterioren Cingulums und des linken temporo-parietalen Übergangsbereichs) über dünnere Kortizes in DSZ im direkten Vergleich zu NDSZ berichtet. Methodische Unterschiede und Stichprobenverzerrungen, bei denen Patientengruppen überwiegend – oder ausschließlich – aus Männern bestehen, können solche abweichenden Ergebnisse erklären.

Im Gegensatz dazu zeigte NDSZ beim direkten Vergleich von Untergruppen in der Megaanalyse der Oberfläche ein spezifisches Muster von Oberflächenveränderungen, sowohl im Vergleich mit DSZ als auch mit HC, was zum ersten Mal zeigt, dass eine kleinere Oberfläche in temporo-okzipitalen Regionen auftreten kann charakteristisch für diese Untergruppe sein. Frühere Studien haben gezeigt, dass Anomalien im temporo-okzipitalen Bereich eine zentrale Rolle in der SZ-Psychopathologie und insbesondere bei der Entwicklung positiver Symptome wie Wahnvorstellungen und Halluzinationen spielen könnten [92,93,94,95]. In Übereinstimmung mit dem Defizit-/Nicht-Defizit-Konzept [1, 61] hatten die hier analysierten NDSZ-Patienten schwerwiegendere positive Symptome als die DSZ-Patienten. Folglich können atypische Muster der kortikalen Oberfläche mit den klinischen Manifestationen positiver Symptome verbunden sein, die bei diesem speziellen Subtyp der Schizophrenie vorherrschen.

Zusätzliche Ergebnisse aus der Analyse der Oberflächenmessungen zeigten, dass die NDSZ-Gruppe im Vergleich zur HC-Gruppe größere Oberflächen im frontoparietalen Kortex und eine kleinere Oberfläche im rechten kaudalen anterioren cingulären Kortex aufwies. Da ein höherer Grad an kortikaler Gyrifizierung im Parietallappen – ein Index, der eng mit Oberflächenmaßen zusammenhängt [96] – nur bei NDSZ mit der Schwere der positiven Symptome in Zusammenhang steht [27], ist es vernünftig anzunehmen, dass neurologische Entwicklungsprozesse mit der kortikalen Expansion zusammenhängen und Faltung sind an der Pathophysiologie dieses SZ-Subtyps beteiligt. Ebenso könnte die kleinere Oberfläche des rechten kaudalen anterioren Cingulums im NDSZ – einer Region, die an kognitiven Kontrollprozessen beteiligt ist [97, 98] – mit dem Fortbestehen positiver Symptome verknüpft sein [99], da eine dysfunktionale kognitive Kontrolle für Halluzinationen und Halluzinationen von entscheidender Bedeutung ist Wahnvorstellungen.

Die Ergebnisse dieser Studie müssen im Lichte der folgenden möglichen Einschränkungen interpretiert werden. Erstens basiert die Defizit-/Nicht-Defizit-Klassifizierung auf einer Proxy-Fallidentifikationsmethode (d. h. PDS [57]), während der Goldstandard für die Dokumentation des Defizitsyndroms auf einem halbstrukturierten Interview beruht [100]. Allerdings wurde in zahlreichen Studien das PDS eingesetzt [4, 6, 12, 21, 101, 102], und andere haben bereits gezeigt, dass das PDS sowohl zuverlässig [57, 58] als auch konsistent [6, 61] bei der Diagnose von DSZ ist . Zweitens konnten wir aufgrund des Querschnittsdesigns dieser Studie die Dauer defizitähnlicher Merkmale, die eines der Kriterien für das Defizitsyndrom darstellt, nicht direkt untersuchen [57]. Allerdings waren die durch den PDS-Score definierten DSZ-Patienten durch schwerere Negativsymptome, aber nicht durch schwerere Positivsymptome gekennzeichnet, was darauf hindeutet, dass verstärkte Negativsymptome bei DSZ kein sekundäres Ergebnis erhöhter Positivsymptome sind. Ein weiterer Aspekt, der bei der Interpretation der Ergebnisse berücksichtigt werden muss, ist, dass wir weltweit vorhandene Daten aus Proben verwendet haben, wobei die Forschungsstandorte unterschiedliche Scanner und Bilderfassungsprotokolle verwenden. Daher können wir den möglichen Einfluss dieser Messprotokolle auf die Daten nicht vollständig ausschließen. Allerdings haben wir den Standort als Zufallsfaktor in die Analysen einbezogen, um Scannereffekte statistisch zu kontrollieren. Darüber hinaus steigerte unsere Strategie, durch die Standardisierung von Hirnsegmentierungstechniken und statistischen Modellen über alle teilnehmenden Proben hinweg eine große methodische Homogenität sicherzustellen, die Aussagekraft selbst kleiner Effekte. Diese Methode liefert hochsignifikante Erkenntnisse und ermöglicht eine systematische Untersuchung der Auswirkungen klinischer Merkmale auf Gehirnveränderungen bei psychiatrischen Patienten. Eine ähnliche Strategie wurde parallel von anderen ENIGMA-Arbeitsgruppen verwendet [47, 63, 103].

Schließlich könnte sich eine weitere mögliche Einschränkung aus den unterschiedlichen Stichproben in den Mega- und Metaanalysen ergeben, da eine der einbezogenen Websites nicht über die ethische Erlaubnis verfügte, Daten einzelner Probanden weiterzugeben. Dennoch ermöglichte uns der megaanalytische Ansatz, der mehr Informationen bewahrt, erstmals die kortikalen Oberflächenunterschiede zwischen DSZ- und NDSZ-Untergruppen abzubilden.

Zusammenfassend lassen die Ergebnisse unserer Studie darauf schließen, dass sowohl DSZ als auch NDSZ gemeinsame und unterschiedliche morphologische Anomalien aufweisen, einschließlich einer weit verbreiteten dünneren Kortikalis, die zu Unterschieden in der Symptomatik zwischen den beiden Subtypen beitragen können. Bemerkenswerterweise scheint ein spezifisches Muster einer dünneren Kortikalis in den bilateralen fronto-parietalen Kortizes mit primären negativen Symptomen verbunden zu sein, während eine veränderte kortikale Oberfläche in den fronto-parietalen und okzipitalen Regionen eine Anfälligkeit für ausgeprägte positive Symptome erkennen lässt. Diese Ergebnisse liefern empirische Unterstützung für die nosologische Differenzierung von DSZ und NDSZ und legen die Existenz verschiedener Subtypen der Krankheit nahe, die durch einzigartige Neuroimaging-Phänotypen gekennzeichnet sind und möglicherweise durch unterschiedliche genetische/umweltbedingte Auswirkungen auf das sich entwickelnde Gehirn ausgeglichen werden. Die Trennung symptomatischer und anatomischer Subtypen bei heterogenen Syndromen wie SZ ist entscheidend für die Verbesserung der klinischen Praxis zielgerichteter und personalisierter Behandlungen.

Die anonymisierten zusammenfassenden Daten und der Code, die die Ergebnisse dieser Studie stützen, sind auf begründete Anfrage beim entsprechenden Autor erhältlich. Die Daten sind nicht alle öffentlich in einem Repository verfügbar, da sie möglicherweise Informationen enthalten, die die Privatsphäre der Forschungsteilnehmer gefährden könnten. Es gibt auch Einschränkungen bei der Datenfreigabe, die von einigen der (i) Ethikkommissionen der teilnehmenden Standorte und Einverständnisdokumenten auferlegt werden; (ii) nationale und transnationale Gesetze zum Datenaustausch; und (iii) institutionelle Prozesse, von denen einige ein unterzeichnetes DBA für die begrenzte und vordefinierte Datennutzung erfordern. Wir begrüßen jedoch die Weitergabe von Daten an Forscher und verlangen von ihnen, dass sie Mitglieder der ENIGMA-Schizophrenia-Arbeitsgruppe werden und einen Analyseplan für ein sekundäres Projekt zur Gruppenbegutachtung einreichen. Sobald dieser Analyseplan genehmigt ist, wird der Zugriff auf die relevanten Daten abhängig von der Datenverfügbarkeit, der lokalen PI-Genehmigung und der Einhaltung aller Aufsichtsbehörden gewährt.

Kirkpatrick B, Buchanan RW, Ross DE, Carpenter WT Jr. Eine eigenständige Krankheit innerhalb des Schizophrenie-Syndroms. Erzgeneralpsychiatrie. 2001;58:165–71.

Artikel CAS PubMed Google Scholar

Zimmermann WT Jr., Heinrichs DW, Wagman AM. Defizit- und Nichtdefizitformen der Schizophrenie: das Konzept. Bin J Psychiatrie. 1988;145:578–83.

Artikel PubMed Google Scholar

Kirkpatrick B, Mucci A, Galderisi S. Primary, Anhaltende negative Symptome: Ein Update zur Forschung. Schizophre Bulle. 2017;43:730–6.

Artikel PubMed PubMed Central Google Scholar

Voineskos AN, Foussias G, Lerch J, Felsky D, Remington G, Rajji TK, et al. Neuroimaging-Beweise für den Defizit-Subtyp der Schizophrenie. JAMA Psychiatrie. 2013;70:472–80.

Artikel PubMed Google Scholar

López-Díaz Á, Lara I, Lahera G. Ist die Prävalenz des Defizitsyndroms bei Schizophrenie höher als geschätzt? Ergebnisse einer Metaanalyse. Psychiatrie-Untersuchung. 2018;15:94–8.

Artikel PubMed PubMed Central Google Scholar

Strauss GP, Harrow M, Grossman LS, Rosen C. Erholungsphasen bei Defizitsyndrom-Schizophrenie: eine 20-jährige Multi-Follow-up-Längsschnittstudie. Schizophre Bulle. 2010;36:788–99.

Artikel PubMed Google Scholar

Albayrak Y, Akyol ES, Beyazyüz M, Baykal S, Kuloglu M. Neurologische Soft Signs könnten Endophänotyp-Kandidaten für Patienten mit Defizit-Syndrom-Schizophrenie sein. Neuropsychiatrie Dis Treat. 2015;11:2825–31.

Artikel PubMed PubMed Central Google Scholar

Bora E, Binnur Akdede B, Alptekin K. Neurokognitive Beeinträchtigung bei Defizit- und Nicht-Defizit-Schizophrenie: eine Metaanalyse. Psychol Med. 2017;47:2401–13.

Artikel CAS PubMed Google Scholar

Boutros NN, Mucci A, Vignapiano A, Galderisi S. Elektrophysiologische Aberrationen im Zusammenhang mit negativen Symptomen bei Schizophrenie. Curr Top Behav Neurosci. 2014;21:129–56.

Artikel PubMed Google Scholar

Goldsmith DR, Haroon E, Miller AH, Strauss GP, Buckley PF, Miller BJ. TNF-α und IL-6 werden mit dem Defizitsyndrom und negativen Symptomen bei Patienten mit chronischer Schizophrenie in Verbindung gebracht. Schizophr Res. 2018;199:281–4.

Artikel PubMed PubMed Central Google Scholar

Mucci A, Merlotti E, Üçok A, Aleman A, Galderisi S. Primäre und anhaltende Negativsymptome: Konzepte, Einschätzungen und neurobiologische Grundlagen. Schizophr Res. 2017;186:19–28.

Artikel PubMed Google Scholar

Wheeler AL, Wessa M, Szeszko PR, Foussias G, Chakravarty MM, Lerch JP, et al. Weitere bildgebende Beweise für den Defizit-Subtyp der Schizophrenie: eine Analyse der kortikalen Konnektomik. JAMA Psychiatrie. 2015;72:446–55.

Artikel PubMed Google Scholar

Downs J, Dean H, Lechler S, Sears N, Patel R, Shetty H, et al. Negative Symptome bei früh einsetzender Psychose und ihr Zusammenhang mit einem Versagen der antipsychotischen Behandlung. Schizophre Bulle. 2019;45:69–79.

Artikel PubMed Google Scholar

Peralta V, Moreno-Izco L, Sanchez-Torres A, García de Jalón E, Campos MS, Cuesta MJ. Charakterisierung des Defizitsyndroms bei drogennaiven Schizophreniepatienten: Die Rolle spontaner Bewegungsstörungen und neurologischer Soft Signs. Schizophre Bulle. 2014;40:214–24.

Artikel PubMed Google Scholar

Arango C, Buchanan RW, Kirkpatrick B, Carpenter WT. Das Defizitsyndrom bei Schizophrenie: Auswirkungen auf die Behandlung negativer Symptome. Eur. Psychiatrie. 2004;19:21–6.

Artikel PubMed Google Scholar

Miyamoto S, Miyake N, Jarskog LF, Fleischhacker WW, Lieberman JA. Pharmakologische Behandlung von Schizophrenie: eine kritische Überprüfung der Pharmakologie und klinischen Wirkung aktueller und zukünftiger Therapeutika. Mol-Psychiatrie. 2012;17:1206–27.

Artikel CAS PubMed Google Scholar

Kirkpatrick B, Gürbüz Oflezer Ö, Delice Arslan M, Hack G, Fernandez-Egea E. Ein früher Entwicklungsmarker für Defizit- versus Nichtdefizit-Schizophrenie. Schizophre Bulle. 2019;45:1331–5.

Artikel PubMed PubMed Central Google Scholar

Kirkpatrick B, Galderisi S. Defizitschizophrenie: ein Update. Weltpsychiatrie. 2008;7:143–7.

Artikel PubMed PubMed Central Google Scholar

Lopez-Diaz AA, Menendez-Sampil C, Perez-Romero A, Palermo-Zeballos FJ, Valdes-Florido MJ. Charakterisierung der Defizitschizophrenie und Zuverlässigkeit des zweidimensionalen Modells ihrer negativen Symptomatik. North J Psychiatrie. Rev. 2020;74:400–6

Artikel PubMed Google Scholar

Ahmed AO, Strauss GP, Buchanan RW, Kirkpatrick B, Carpenter WT. Schizophrenie-Heterogenität erneut untersucht: Klinische, kognitive und psychosoziale Korrelate statistisch abgeleiteter Untergruppen negativer Symptome. J Psychiater Res. 2018;97:8–15.

Artikel PubMed Google Scholar

Cohen AS, Docherty NM. Defizit versus negatives Syndrom bei Schizophrenie: Vorhersage einer Aufmerksamkeitsbeeinträchtigung. Schizophre Bulle. 2004;30:827–35.

Artikel PubMed Google Scholar

Cascella NG, Shella SM, Meyer SM, Rao VA, Diaz-Asper CM, Pearlson GD, et al. Neuropsychologische Beeinträchtigung im Defizit vs. Nicht-Defizit-Schizophrenie. J Psychiater Res. 2008;42:930–7.

Artikel PubMed Google Scholar

Farkas M, Polgár P, Kelemen O, Réthelyi J, Bitter I, Myers CE, et al. Assoziatives Lernen bei defizitärer und nichtdefizitärer Schizophrenie. Neuroreport. 2008;19:55–8.

Artikel PubMed Google Scholar

Polgár P, Réthelyi JM, Bálint S, Komlósi S, Czobor P, Bitter I. Exekutivfunktion bei Defizit-Schizophrenie: Was sagen uns die Dimensionen des Wisconsin Card Sorting Tests? Schizophr Res. 2010;122:85–93.

Artikel PubMed Google Scholar

Spalletta G, Pasini A, De Angelis F, Troisi A. Patienten mit Defizit-, Nichtdefizit- und Negativsymptom-Schizophrenie: Unterscheiden sie sich während Episoden akuter psychotischer Dekompensation? Schizophr Res. 1997;24:341–8.

Artikel CAS PubMed Google Scholar

Yu M, Tang X, Wang X, Zhang X, Zhang X, Sha W, et al. Neurokognitive Beeinträchtigungen bei Defizit- und Nicht-Defizit-Schizophrenie und ihre Beziehungen zu Symptomdimensionen und anderen klinischen Variablen. Plus eins. 2015;10:e0138357.

Artikel PubMed PubMed Central Google Scholar

Takayanagi Y, Sasabayashi D, Takahashi T, Komori Y, Furuichi A, Kido M, et al. Veränderte Gyrifizierung des Gehirns bei Defizit- und Nicht-Defizit-Schizophrenie. Psychol Med. Rev. 2019;49:573–8

Artikel PubMed Google Scholar

Spalletta G, De Rossi P, Piras F, Iorio M, Dacquino C, Scanu F, et al. Mikrostruktur der weißen Substanz des Gehirns bei Defizit- und Nichtdefizit-Subtypen der Schizophrenie. Psychiatrie Res. 2015;231:252–61.

Artikel PubMed Google Scholar

Cascella NG, Fieldstone SC, Rao VA, Pearlson GD, Sawa A, Schretlen DJ. Anomalien der grauen Substanz bei Defizit-Schizophrenie. Schizophr Res. 2010;120:63–70.

Artikel PubMed Google Scholar

Fischer BA, Keller WR, Arango C, Pearlson GD, McMahon RP, Meyer WA, et al. Kortikale Strukturanomalien bei defizitärer versus nichtdefizitärer Schizophrenie. Schizophr Res. 2012;136:51–4.

Artikel PubMed PubMed Central Google Scholar

Takayanagi M, Wentz J, Takayanagi Y, Schretlen DJ, Ceyhan E, Wang L, et al. Reduziertes Volumen und Dicke der anterioren cingulären grauen Substanz bei Patienten mit Defizit-Schizophrenie. Schizophr Res. 2013;150:484–90.

Artikel PubMed PubMed Central Google Scholar

De Rossi P, Dacquino C, Piras F, Caltagirone C, Spalletta G. Atrophie des linken Nucleus accumbens bei Defizit-Schizophrenie: Eine vorläufige Studie. Psychiatrie Res Neuroimaging. 2016;254:48–55.

Artikel PubMed Google Scholar

Galderisi S, Quarantelli M, Volpe U, Mucci A, Cassano GB, Invernizzi G, et al. Muster struktureller MRT-Anomalien bei defizitärer und nichtdefizitärer Schizophrenie. Schizophre Bulle. 2008;34:393–401.

Artikel PubMed Google Scholar

Quarantelli M, Larobina M, Volpe U, Amati G, Tedeschi E, Ciarmiello A, et al. Auf Stereotaxie basierende regionale Hirnvolumetrie angewendet auf segmentierte MRT: Validierung und Ergebnisse bei Defizit- und Nichtdefizit-Schizophrenie. Neurobild. 2002;17:373–84.

Artikel PubMed Google Scholar

Chen CH, Fiecas M, Gutierrez ED, Panizzon MS, Eyler LT, Vuoksima E, et al. Genetische Topographie der Gehirnmorphologie. Proc Natl Acad Sci USA. 2013;110:17089–94.

Artikel CAS PubMed PubMed Central Google Scholar

Rakic P. Evolution des Neocortex: eine Perspektive aus der Entwicklungsbiologie. Nat Rev Neurosci. 2009;10:724–35.

Artikel CAS PubMed PubMed Central Google Scholar

Panizzon MS, Fennema-Notestine C, Eyler LT, Jernigan TL, Prom-Wormley E, Neale M, et al. Deutliche genetische Einflüsse auf die kortikale Oberfläche und die kortikale Dicke. Großhirnrinde. 2009;19:2728–35.

Artikel PubMed PubMed Central Google Scholar

Winkler AM, Kochunov P, Blangero J, Almasy L, Zilles K, Fox PT, et al. Kortikale Dicke oder Volumen der grauen Substanz? Die Bedeutung der Auswahl des Phänotyps für bildgebende Genetikstudien. Neurobild. 2010;53:1135–46.

Artikel PubMed Google Scholar

Grasby KL, Jahanshad N, Painter JN, Colodro-Conde L, Bralten J, Hibar DP, et al. Die genetische Architektur der menschlichen Großhirnrinde. Wissenschaft. 2020;367:eaay6690.

Artikel CAS PubMed PubMed Central Google Scholar

Weinberger DR. Auswirkungen einer normalen Gehirnentwicklung auf die Pathogenese der Schizophrenie. Erzgeneralpsychiatrie. 1987;44:660–9.

Artikel CAS PubMed Google Scholar

Rimol LM, Nesvåg R, Hagler DJ Jr, Bergmann O, Fennema-Notestine C, Hartberg CB, et al. Kortikales Volumen, Oberfläche und Dicke bei Schizophrenie und bipolarer Störung. Biologische Psychiatrie. 2012;71:552–60.

Artikel PubMed Google Scholar

van Erp TGM, Walton E, Hibar DP, Schmaal L, Jiang W, Glahn DC, et al. Kortikale Gehirnanomalien bei 4474 Personen mit Schizophrenie und 5098 Kontrollpersonen über das ENIGMA-Konsortium (Enhancing Neuro Imaging Genetics Through Meta Analysis). Biologische Psychiatrie. 2018;84:644–54.

Artikel PubMed PubMed Central Google Scholar

Xie T, Zhang X, Tang X, Zhang H, Yu M, Gong G, et al. Kartierung konvergenter und divergenter kortikaler Ausdünnungsmuster bei Patienten mit defizitärer und nichtdefizitärer Schizophrenie. Schizophre Bulle. 2019;45:211–21.

Artikel PubMed Google Scholar

Burke DL, Ensor J, Riley RD. Metaanalyse anhand individueller Teilnehmerdaten: einstufige und zweistufige Ansätze und warum sie sich unterscheiden können. Stat Med. 2017;36:855–75.

Artikel PubMed Google Scholar

Stewart LA, Tierney JF. Zum IPD oder nicht zum IPD? Vor- und Nachteile systematischer Überprüfungen anhand individueller Patientendaten. Eval Health Prof. 2002;25:76–97.

Artikel PubMed Google Scholar

Zugman A, Harrewijn A, Cardinale EM, Zwiebel H, Freitag GF, Werwath KE, et al. Megaanalysemethoden in ENIGMA: Die Erfahrungen der Arbeitsgruppe für generalisierte Angststörungen. Hum Brain Mapp. 2022;43:255–77.

Artikel PubMed Google Scholar

Boedhoe PS, Schmaal L, Abe Y, Ameis SH, Arnold PD, Batistuzzo MC, et al. Deutliche subkortikale Volumenveränderungen bei Zwangsstörungen bei Kindern und Erwachsenen: Eine weltweite Meta- und Mega-Analyse. Bin J Psychiatrie. 2017;174:60–9.

Artikel PubMed Google Scholar

Boedhoe PSW, Schmaal L, Abe Y, Alonso P, Ameis SH, Anticevic A, et al. Kortikale Anomalien im Zusammenhang mit Zwangsstörungen bei Kindern und Erwachsenen: Ergebnisse der ENIGMA-Arbeitsgruppe für Zwangsstörungen. Bin J Psychiatrie. 2018;175:453–62.

Artikel PubMed Google Scholar

Radua J, Vieta E, Shinohara R, Kochunov P, Quidé Y, Green MJ, et al. Erhöhte Leistung durch Harmonisierung struktureller MRT-Standortunterschiede mit der ComBat-Batch-Anpassungsmethode in ENIGMA. Neurobild. 2020;218:116956.

Artikel PubMed Google Scholar

Amerikanische Psychiatrie-Vereinigung. Diagnostisches und Statistisches Handbuch der Geistigen Störungen. 4. Aufl., Textrev. Washington, D.C.: American Psychiatric Association; 2000.

Amerikanische Psychiatrie-Vereinigung. Diagnostisches und Statistisches Handbuch der Geistigen Störungen. 5. Aufl. Arlington, VA: American Psychiatric Publishing; 2013.

Weltgesundheitsorganisation. ICD-10: Internationale statistische Klassifikation von Krankheiten und damit verbundenen Gesundheitsproblemen: zehnte Revision, 2. Auflage, Weltgesundheitsorganisation; 2004.

Erster MB, Spitzer RL, Gibbon M und Williams JBW. Strukturiertes klinisches Interview für DSM-IV-TR-Achse-I-Störungen, Forschungsversion, Patientenausgabe. (SCID-I/P) New York: Biometrics Research, New York State Psychiatric Institute; 2002.

First M, Williams J, Karg R, Spitzer R. Strukturiertes klinisches Interview für DSM-5 (SCID-5 für DSM-5) Arlington. Amerikanische Psychiatrie-Vereinigung; 2017.

Kay SR, Fiszbein A, Opler LA. Die positive und negative Syndromskala (PANSS) für Schizophrenie. Schizophre Bulle. 1987;13:261–76.

Artikel CAS PubMed Google Scholar

Sivera R, Delingette H, Lorenzi M, Pennec Neurobild. 2019;198:255–70.

Artikel PubMed Google Scholar

Kirkpatrick B, Buchanan RW, Breier A, Carpenter WT Jr. Fallidentifizierung und Stabilität des Defizitsyndroms der Schizophrenie. Psychiatrie Res. 1993;47:47–56.

Artikel CAS PubMed Google Scholar

Goetz RR, Corcoran C, Yale S, Stanford AD, Kimhy D, Amador X, et al. Gültigkeit eines „Proxy“ für das Defizitsyndrom, abgeleitet aus der Positive And Negative Syndrome Scale (PANSS). Schizophr Res. 2007;93:169–77.

Artikel PubMed PubMed Central Google Scholar

Kirkpatrick B, Tek C, Allardyce J, Morrison G, McCreadie RG. Sommergeburt und Defizitschizophrenie in Dumfries und Galloway im Südwesten Schottlands. Bin J Psychiatrie. 2002;159:1382–7.

Artikel PubMed Google Scholar

Subotnik KL, Nuechterlein KH, Ventura J, Green MF, Hwang SS. Vorhersage des Defizitsyndroms anhand anfänglicher Defizitsymptome im frühen Verlauf der Schizophrenie. Psychiatrie Res. 1998;80:53–9.

Artikel CAS PubMed Google Scholar

Kirkpatrick B, Amador XF, Flaum M, Yale SA, Gorman JM, Carpenter WT Jr, et al. Das Defizitsyndrom im DSM-IV-Feldversuch: I. Alkohol- und anderer Drogenmissbrauch. Schizophr Res. 1996;20:69–77.

Artikel CAS PubMed Google Scholar

Desikan RS, Ségonne F, Fischl B, Quinn BT, Dickerson BC, Blacker D, et al. Ein automatisiertes Markierungssystem zur Unterteilung der menschlichen Großhirnrinde bei MRT-Scans in gyralbasierte Regionen von Interesse. Neurobild. 2006;31:968–80.

Artikel PubMed Google Scholar

van Erp TG, Hibar DP, Rasmussen JM, Glahn DC, Pearlson GD, Andreassen OA, et al. Subkortikale Hirnvolumenanomalien bei 2028 Personen mit Schizophrenie und 2540 gesunden Kontrollpersonen über das ENIGMA-Konsortium. Mol-Psychiatrie. 2016;21:547–53.

Artikel PubMed Google Scholar

Sowell ER, Peterson BS, Thompson PM, Welcome SE, Henkenius AL, Toga AW. Kartierung kortikaler Veränderungen über die gesamte menschliche Lebensspanne. Nat Neurosci. 2003;6:309–15.

Artikel CAS PubMed Google Scholar

Borenstein M. Software für Publikationsverzerrung. In: Publikationsbias in der Metaanalyse: Prävention, Bewertung und Anpassungen. 2005:193–220.

Rakic P. Ein kleiner Schritt für die Zelle, ein großer Sprung für die Menschheit: eine Hypothese der neokortikalen Expansion während der Evolution. Trends Neurosci. 1995;18:383–8.

Artikel CAS PubMed Google Scholar

Wierenga LM, Langen M, Oranje B, Durston S. Einzigartige Entwicklungsverläufe der kortikalen Dicke und Oberfläche. Neurobild. 2014;87:120–6.

Artikel PubMed Google Scholar

Pontious A, Kowalczyk T, Englund C, Hevner RF. Rolle intermediärer Vorläuferzellen bei der Entwicklung der Großhirnrinde. Dev Neurosci. 2008;30:24–32.

Artikel CAS PubMed Google Scholar

Birnbaum R, Weinberger DR. Genetische Einblicke in die neurologischen Entwicklungsursachen der Schizophrenie. Nat Rev Neurosci. 2017;18:727–40.

Artikel CAS PubMed Google Scholar

Yildiz M, Borgwardt SJ, Berger GE. Parietallappen bei Schizophrenie: Sind sie wichtig? Schizophre Res Treat. 2011;2011:581686.

Google Scholar

Spence SA, Brooks DJ, Hirsch SR, Liddle PF, Meehan J, Grasby PM. Eine PET-Studie zur freiwilligen Bewegung bei schizophrenen Patienten, die Passivitätsphänomene (Wahnvorstellungen von außerirdischer Kontrolle) erleben. Gehirn. 1997;120:1997–2011.

Artikel PubMed Google Scholar

Yang YL, Joshi AA, Joshi SH, Baker LA, Narr KL, Raine A, et al. Genetische und umweltbedingte Einflüsse auf die Kortikalisdicke bei 14-jährigen Zwillingen. Neuroreport. 2012;23:702–6.

Artikel PubMed PubMed Central Google Scholar

Antonova E, Sharma T, Morris R, Kumari V. Die Beziehung zwischen Gehirnstruktur und Neurokognition bei Schizophrenie: eine selektive Überprüfung. Schizophr Res. 2004;70:117–45.

Artikel PubMed Google Scholar

Jonides J, Schumacher EH, Smith EE, Koeppe RA, Awh E, Reuter-Lorenz PA, et al. Die Rolle des parietalen Kortex im verbalen Arbeitsgedächtnis. J Neurosci. 1998;18:5026–34.

Artikel CAS PubMed PubMed Central Google Scholar

Rushworth MFS, Ellison A, Walsh V. Komplementäre Lokalisierung und Lateralisierung der orientierenden und motorischen Aufmerksamkeit (Bd. 4, S. 656, 2001). Nat Neurosci. 2001;4:959–959.

Artikel CAS Google Scholar

Thoenissen D, Zilles K, Toni I. Unterschiedliche Beteiligung parietaler und präzentraler Regionen an der Bewegungsvorbereitung und motorischen Absicht. J Neurosci. 2002;22:9024–34.

Artikel CAS PubMed PubMed Central Google Scholar

Gottlieb J. Vom Gedanken zum Handeln: Der parietale Kortex als Brücke zwischen Wahrnehmung, Handlung und Erkenntnis. Neuron. 2007;53:9–16.

Artikel CAS PubMed Google Scholar

Buckner RL, Wheeler ME. Die kognitive Neurowissenschaft des Erinnerns. Nat Rev Neurosci. 2001;2:624–34.

Artikel CAS PubMed Google Scholar

Bor D, Seth AK. Bewusstsein und das präfrontale parietale Netzwerk: Erkenntnisse aus Aufmerksamkeit, Arbeitsgedächtnis und Chunking. Frontpsychol. 2012;3:63.

Artikel PubMed PubMed Central Google Scholar

Lou HC, Changeux JP, Rosenstand A. Auf dem Weg zu einer kognitiven Neurowissenschaft des Selbstbewusstseins. Neurosci Biobehav Rev. 2017;83:765–73.

Artikel CAS PubMed Google Scholar

Cuffel BJ, Alford J, Fischer EP, Owen RR. Krankheitsbewusstsein bei Schizophrenie und ambulante Therapieadhärenz. J Nerv Ment Dis. 1996;184:653–9.

Artikel CAS PubMed Google Scholar

Fett AK, Viechtbauer W, Dominguez MD, Penn DL, van Os J, Krabbendam L. Die Beziehung zwischen Neurokognition und sozialer Kognition mit funktionellen Ergebnissen bei Schizophrenie: eine Metaanalyse. Neurosci Biobehav Rev. 2011;35:573–88.

Artikel PubMed Google Scholar

Green MF, Olivier B, Crawley JN, Penn DL, Silverstein S. Konferenz „Soziale Kognition bei Schizophrenie: Empfehlungen aus der Mess- und Behandlungsforschung zur Verbesserung der Kognition bei Schizophrenie – neue Ansätze“. Schizophre Bulle. 2005;31:882–7.

Artikel PubMed Google Scholar

Schwartz RC. Der Zusammenhang zwischen Einsicht, Krankheit und Behandlungsergebnis bei Schizophrenie. Psychiater Q. 1998;69:1–22.

Artikel CAS PubMed Google Scholar

Hartikainen KM. Emotion-Aufmerksamkeits-Interaktion in der rechten Hemisphäre. Gehirnwissenschaft. 2021;11:1006.

Artikel PubMed PubMed Central Google Scholar

Mitchell RL, Crow TJ. Sprachfunktionen der rechten Hemisphäre und Schizophrenie: die vergessene Hemisphäre? Gehirn. 2005;128:963–78.

Artikel PubMed Google Scholar

Blom SSAH, Aarts H, Semin GR. Lateralisierung der Gesichtsemotionsverarbeitung und Gesichtsmimikry. Lateralität. 2020;25:259–74.

Artikel PubMed Google Scholar

Parola A, Brasso C, Morese R, Rocca P, Bosco FM. Kommunikationsabsichten bei Schizophrenie mithilfe eines Fehleranalyseansatzes verstehen (Bd. 7, 12, 2021). Npj Schizophr. 2021;7:12.

Artikel PubMed PubMed Central Google Scholar

Snelleksz M, Rossell SL, Gibbons A, Nithianantharajah J, Dean B. Hinweise darauf, dass der Frontalpol eine bedeutende Rolle in der Pathophysiologie der Schizophrenie spielt. Psychiat Res. 2022;317:114850.

Artikel CAS Google Scholar

Salvador R, Suckling J, Coleman MR, Pickard JD, Menon D, Bullmore ET. Neurophysiologische Architektur funktioneller Magnetresonanzbilder des menschlichen Gehirns. Großhirnrinde. 2005;15:1332–42.

Artikel PubMed Google Scholar

Hunter R, Barry S. Negative Symptome und psychosoziale Funktionen bei Schizophrenie: Vernachlässigte, aber wichtige Behandlungsziele. Eur. Psychiat. 2012;27:432–6.

Artikel CAS Google Scholar

Allen P, Moore H, Corcoran CM, Gilleen J, Kozhuharova P, Reichenberg A, et al. Neu auftretende Dysfunktion des Temporallappens bei Menschen mit klinisch hohem Risiko für Psychosen. Frontpsychiatrie. 2019;10:298.

Artikel PubMed PubMed Central Google Scholar

Borgwardt SJ, McGuire PK, Aston J, Gschwandtner U, Pflüger MO, Stieglitz RD, et al. Verringerung des frontalen, temporalen und parietalen Volumens im Zusammenhang mit dem Ausbruch einer Psychose. Schizophr Res. 2008;106:108–14.

Artikel PubMed Google Scholar

Tohid H, Faizan M, Faizan U. Veränderungen des Hinterhauptslappens bei Schizophrenie. Neurosci (Riad). 2015;20:213–24.

Google Scholar

Vanes LD, Mouchlianitis E, Patel K, Barry E, Wong K, Thomas M, et al. Neuronale Korrelate positiver und negativer Symptome im Krankheitsverlauf: eine fMRT-Studie bei früher Psychose und chronischer Schizophrenie. Sci Rep. 2019;9:14444.

Artikel PubMed PubMed Central Google Scholar

Hogstrom LJ, Westlye LT, Walhovd KB, Fjell AM. Die Struktur der Großhirnrinde im Erwachsenenalter: altersbedingte Muster von Oberfläche, Dicke und Gyrifizierung. Großhirnrinde. 2013;23:2521–30.

Artikel PubMed Google Scholar

Bush G, Luu P, Posner MI. Kognitive und emotionale Einflüsse im anterioren cingulären Kortex. Trends Cogn Sci. 2000;4:215–22.

Artikel CAS PubMed Google Scholar

Davis KD, Taylor KS, Hutchison WD, Dostrovsky JO, McAndrews MP, Richter EO, et al. Menschliche Neuronen des anterioren cingulären Kortex kodieren kognitive und emotionale Anforderungen. J Neurosci. 2005;25:8402–6.

Artikel CAS PubMed PubMed Central Google Scholar

Horne CM, Sahni A, Pang SW, Vanes LD, Szentgyorgyi T, Averbeck B, et al. Die Rolle der kognitiven Kontrolle bei den positiven Symptomen einer Psychose. Neuroimage-Klinik. 2022;34:103004.

Artikel PubMed PubMed Central Google Scholar

Kirkpatrick B, Buchanan RW, McKenney PD, Alphs LD, Carpenter WT Jr. Der Zeitplan für das Defizitsyndrom: ein Instrument für die Erforschung von Schizophrenie. Psychiatrie Res. 1989;30:119–23.

Artikel CAS PubMed Google Scholar

Fervaha G, Agid O, Foussias G, Siddiqui I, Takeuchi H, Remington G. Neurokognitive Beeinträchtigung beim Defizit-Subtyp der Schizophrenie. Eur Arch Psychiatrie Klinik Neurosci. 2016;266:397–407.

Artikel PubMed Google Scholar

Messias E, Kirkpatrick B, Bromet E, Ross D, Buchanan RW, Carpenter WT Jr, et al. Sommergeburt und Defizitschizophrenie: eine gepoolte Analyse aus 6 Ländern. Erzgeneralpsychiatrie. 2004;61:985–9.

Artikel PubMed Google Scholar

Schmaal L, Hibar DP, Sämann PG, Hall GB, Baune BT, Jahanshad N, et al. Kortikale Anomalien bei Erwachsenen und Jugendlichen mit schwerer Depression basierend auf Gehirnscans von 20 Kohorten weltweit in der ENIGMA-Arbeitsgruppe für schwere depressive Störungen. Mol-Psychiatrie. 2017;22:900–9.

Artikel CAS PubMed Google Scholar

Referenzen herunterladen

Wir danken allen Mitgliedern der ENIGMA-Arbeitsgruppe Schizophrenie, Dr. Y. Takayanagi und Dr. NG Cascella für ihre Beiträge zur Kohorte und allen Teilnehmern. Der Autor GS ist im März 2023 verstorben. Dies ist unsere Hommage an unseren lieben Freund und Meister.

Co-Autoren wurden wie folgt gefördert: NB, DV, FP, GS: Italienisches Gesundheitsministerium, Zuschuss Ricerca Corrente RC 23. FP(Fabrizio): Italienisches Gesundheitsministerium, Zuschuss RF-2019-12370182. MDF und RM: Medical Research Council UK. FS: Die Studie „Cortical Inhibition and Attentional Modulation“ (CIAM) wurde von der National Research Foundation of South Africa und dem Department of Psychiatry and Mental Health Research Committee der University of Cape Town gefördert. FMH: South African Medical Research Council (SA MRC) und South African National Research Foundation (SA NRF). EP-C: SGR-Gerneralitat de Catalunya. KS: Diese Arbeit wurde durch Forschungsstipendien der National Healthcare Group, Singapur (SIG/05004; SIG/05028) und Forschungsstipendien des Singapore Bioimaging Consortium (RP C009/2006) unterstützt, die an KS vergeben wurden. DT und FS: Unterstützt vom Ministerium für Gesundheit der Tschechischen Republik, Stipendien Nr. NU21-08-00432 und NU20-04-00393. PF-C: Sara Borrell-Vertrag (CD19/00149) vom Instituto de Salud Carlos III, kofinanziert von der Europäischen Union „Investieren in Ihre Zukunft“ und Stipendium der Stiftung „la Caixa“ (ID 100010434, Stipendiencode LCF/BQ /PR22/11920017). DJS: SAMRC-Einheit für Risiko und Resilienz bei psychischen Störungen. AV: National Institute of Mental Health, Canadian Institutes of Health Research, Canada Foundation for Innovation, CAMH Foundation und die University of Toronto. NJ: NIH R01MH117601. PMT und SIT: NIH gewährt R01MH116147, R01MH121246 und R01MH129742. TGMVE: Diese Arbeit wurde vom National Center for Research Resources der National Institutes of Health unterstützt [Fördernummern: NIH 1 U24 RR021992 (Function Biomedical Informatics Research Network), NIH 1 U24 RR025736- (Biomedical Informatics Research Network Coordinating Center]. DHM : NIH R01 MH076989; Brain and Behavior Research Foundation Young Investigator Award. JAT: R01MH121246. JMF: 1IK6CX002519. SGP: NIH. AS: Diese Studie wird vom National Institute of Health (MH-092443, MH-094268, MH-105660) unterstützt , MH-107730 und MH-121362 an AS), die Brain and Behavior Research Foundation (an KY und AS), die Stiftungen von Stanley und RUSK/SR (an AS). Die Studienrekrutierung wurde teilweise von Mitsubishi Tanabe Pharma Corporation finanziert, Japan.

Diese Autoren haben gleichermaßen beigetragen: Nerisa Banaj, Daniela Vecchio.

Verstorben: Gianfranco Spalletta.

Labor für Neuropsychiatrie, Abteilung für klinische Neurowissenschaften und Neurorehabilitation, IRCCS Santa Lucia Foundation, Rom, Italien

Nerisa Banaj, Daniela Vecchio, Fabrizio Piras, Gianfranco Spalletta und Federica Piras

Abteilung für Neuropsychiatrie für Kinder und Jugendliche, Kinderkrankenhaus Bambino Gesù, IRCCS, Rom, Italien

Pietro De Rossi

Psychiatrie und Neurowissenschaften, University of New Mexico, Albuquerque, NM, USA

Juan Bustillo

Psychosestudien, Institut für Psychiatrie, Psychologie und Neurologie, King's College London, London, Großbritannien

Simone Ciufolini

Abteilung für Psychologische Medizin, Institut für Psychiatrie, Psychologie und Neurologie, King's College London, London, Großbritannien

Paola Dazzan, Marta Di Forti und Robin Murray

Zentrum für Sucht und psychische Gesundheit, Campbell Family Mental Health Research Institute, Toronto, ON, Kanada

Erin W. Dickie und Aristoteles Voineskos

Abteilung für Psychiatrie, Universität Toronto, Toronto, ON, Kanada

Erin W. Dickie

Kimel Family Lab, Zentrum für Sucht und psychische Gesundheit, Toronto, ON, Kanada

Erin W. Dickie

San Francisco VA Health Care System, San Francisco, CA, USA

Judith M. Ford, Holly K. Hamilton und Daniel H. Mathalon

Abteilung für Psychiatrie und Verhaltenswissenschaften, University of California, San Francisco, CA, USA

Judith M. Ford, Holly K. Hamilton und Daniel H. Mathalon

FIMDAG Sisters Hospitallers Research Foundation, Barcelona, Spanien

Paola Fuentes-Claramonte, Edith Pomarol-Clotet und Raymond Salvador

Biomedizinisches Netzwerk Forschungszentrum für psychische Gesundheit (CIBERSAM), Instituto de Salud Carlos III, Madrid, Spanien

Paola Fuentes-Claramonte, Edith Pomarol-Clotet und Joaquim Radua

Sektion für Experimentelle Psychopathologie und Neuroimaging, Klinik für Allgemeine Psychiatrie, Universität Heidelberg, Heidelberg, Baden-Württemberg, Deutschland

Oliver Gruber, Bernd Kraemer & Anja Richter

Krankenhaus Benito Menni CASM, Barcelona, Spanien

Amalia Guerrero-Pedraza

Abteilung für Psychiatrie und psychische Gesundheit, Universität Kapstadt, Kapstadt, Westkap, Südafrika

Fleur M. Howells & Henk S. Temmingh

Abteilung für Psychiatrie, Universität Edinburgh, Edinburg, EH10 5HF, Großbritannien

Stephen M. Lawrie

Abteilung für Psychiatrie, University of California Irvine, Newfoundland, NJ, NJ 07435, USA

Steven G. Potkin

Psychiatrie und menschliches Verhalten, University of California Irvine, Orange, CA, 92868, USA

Adrian unterrichtet

Bildgebung stimmungs- und angstbedingter Störungen (IMARD), Institut für biomedizinische Forschung August Pi i Sunyer (IDIBAPS), Barcelona, 08036, Spanien

Joaquim Radua

Medicina, Universität Barcelona, Barcelona, 08036, Spanien

Joaquim Radua

Abteilung für Psychiatrie, Johns Hopkins University School of Medicine, Baltimore, MD, USA

Akira Sawa & Kun Yang

Abteilung für Neurowissenschaften, Johns Hopkins University School of Medicine, Baltimore, MD, USA

Akira Sawa

Abteilung für Biomedizinische Technik, Johns Hopkins University School of Medicine, Baltimore, MD, USA

Akira Sawa

Abteilung für Genetische Medizin, Johns Hopkins University School of Medicine Baltimore, Baltimore, MD, USA

Akira Sawa

Abteilung für Pharmakologie, Johns Hopkins University School of Medicine, Baltimore, MD, USA

Akira Sawa

Abteilung für psychische Gesundheit, Johns Hopkins Bloomberg School of Public Health, Baltimore, MD, USA

Akira Sawa

Abteilung für Psychiatrie und psychische Gesundheit, Institut für Neurowissenschaften, Universität Kapstadt, Kapstadt, Südafrika

Freda Scheffler

Brain Behavior Unit, Abteilung für Psychiatrie und psychische Gesundheit, Universität Kapstadt, Kapstadt, Südafrika

Freda Scheffler

Region West, Institut für psychische Gesundheit, National Healthcare Group, Singapur, Singapur

Bruder Sim

Yong Loo Lin School of Medicine, National University of Singapore, Singapur, Singapur

Bruder Sim

CARE, Nationales Institut für psychische Gesundheit, Klecany, Tschechische Republik

Filip Spaniel und David Tomecek

SAMRC-Abteilung für Risiko und Belastbarkeit bei psychischen Störungen, Institut für Psychiatrie und Neurowissenschaften, Universität Kapstadt, Kapstadt, Südafrika

Dan J. Stein

Abteilung für Psychiatrie und psychische Gesundheit, Psychiatrisches Krankenhaus Valkenberg, Kapstadt, Westkap, Südafrika

Henk S. Temmingh

Imaging Genetics Center, Mark & Mary Stevens Neuroimaging and Informatics Institute, Keck School of Medicine, University of Southern California, Marina del Rey, CA, USA

Sophia I. Thomopoulos, Neda Jahanshad und Paul M. Thompson

Klinik für Kinder- und Jugendpsychiatrie, TU Dresden, Dresden, Sachsen, Deutschland

Anne Uhlmann

Abteilung für Psychiatrie, Universität Toronto, Medizinische Fakultät Temerty, Toronto, ON, Kanada

Aristoteles Voineskos

Labor für klinische translationale Neurowissenschaften, Abteilung für Psychiatrie und menschliches Verhalten, University of California Irvine, Irvine, CA, USA

Theo GM Van Erp

Zentrum für Neurobiologie des Lernens und Gedächtnisses, University of California Irvine, Irvine, CA, USA

Theo GM Van Erp

Abteilung für Psychiatrie und Verhaltensgesundheit, Wexner Medical Center, Ohio State University, Columbus, OH, USA

Jessica A. Turner

Menninger-Abteilung für Psychiatrie und Verhaltenswissenschaften, Baylor College of Medicine, Houston, TX, USA

Gianfranco Spalletta

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeption und Design: NB, GS, FeP, DV, FP, PDR. Kohorten-PI: JB, PD, JMF, OG, AG-P, FMH, SML, DHM, EP-C, SGP, AS, KS, FS, DJS, HST, AV, TGMVE, JAT, GS. Beitrag zu MRT- und Verhaltensdaten: NB, JB, EWD, SML, DHM, EP-C, SGP, AP, HST, TGMVE. Beitrag zu MRT-Daten: SC, PD, OG, PF-C, HKH, FMH, BK, RS, JR, AR, RS, FS, KS, AU. Statistische Analyse: NB, DV, FeP, FP. Dateninterpretation: NB, FeP. Aufbereitung der Ergebnisse/Abbildungen: NB, DV, Aufbereitung der Arbeit: NB, FeP, DV, FP, GS. Papierrevision: NB, DV, FeP, GS, FP, PDR, JB, SC, PD, MDF, EWD, JMF, PF-C, OG, AG-P, HKH, FMH, BK, SML, DHM, RM, EP -C, SG P, AP, JR, AR, RS, AS, FS, KS, FS, DJS, HST, SIT, DT, AU, AV, KY, NJ, PMT, TGMVE, JAT.

Korrespondenz mit Nerisa Banaj.

PD hat von Lundbeck und Janssen ein Rednerhonorar erhalten, das nichts mit dem Inhalt dieses Papiers zu tun hat. PMT erhielt teilweise Forschungsstipendien von Biogen, Inc. für Forschungsarbeiten, die nichts mit dieser Arbeit zu tun haben. Die übrigen Autoren berichten über keine biomedizinischen finanziellen Interessen oder potenzielle konkurrierende Interessen.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Banaj, N., Vecchio, D., Piras, F. et al. Kortikale Morphologie bei Patienten mit dem Defizit- und Nicht-Defizit-Syndrom der Schizophrenie: eine weltweite Meta- und Megaanalyse. Mol Psychiatrie (2023). https://doi.org/10.1038/s41380-023-02221-w

Zitat herunterladen

Eingegangen: 20. Januar 2023

Überarbeitet: 02. August 2023

Angenommen: 07. August 2023

Veröffentlicht: 29. August 2023

DOI: https://doi.org/10.1038/s41380-023-02221-w

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Blog

Kortikale Morphologie bei Patienten mit und ohne Defizit