S'abonner

Connectivity differences between bipolar disorder, unipolar depression and schizophrenia - 08/07/17

Doi : 10.1016/j.eurpsy.2017.02.320 
S. Metin 1, , B. Metin 2, C. Tas 2, N. Tarhan 2
1 Uskudar university, psychiatry, Istanbul, Turkey 
2 Uskudar university, psychology, Istanbul, Turkey 

Corresponding author.

Résumé

Introduction

Diffusion tensor imaging (DTI) is used frequently to explore white matter tract morphology and connectivity in psychiatric disorders. Connectivity alterations were previously reported for bipolar disorder, unipolar depression and schizophrenia. However, there is limited data on how these disorders differ from one another in terms of connectivity.

Aims

In this study, we aimed to explore connectivity differences between these disorders.

Methods

We analyzed DTI data of 37 patients with schizophrenia, 41 patients with bipolar disorder and 46 patients with unipolar depression. Group analyses were performed for schizophrenia versus bipolar and bipolar versus unipolar contrasts with using age as a covariate.

Results

Threshold corrected results showed that connectivity at internal capsule and corpus callosum were most distinctive between groups. For corpus callosum (splenium), unipolar group showed the highest connectivity and schizophrenia group showed the lowest connectivity (Fig. 1). For internal capsule, schizophrenia group had the highest connectivity and unipolar group had the lowest connectivity (Fig. 2). Bipolar group had intermediate values for both tracts.

Conclusions

These results indicate that connectivity analysis may be helpful for differentiating psychiatric disorders.

Le texte complet de cet article est disponible en PDF.

Plan


© 2017  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 41 - N° S

P. S348 - avril 2017 Retour au numéro
Article précédent Article précédent
  • Reduced left frontal GABA in ultra-high risk of psychosis patients. 1H MRS study
  • P. Menshchikov, T. Akhadov, N. Semenova
| Article suivant Article suivant
  • Time-frequency analysis of EEG recorded during unconscious expectation of angry vs. neutral faces in patients with major depression and healthy controls
  • E. Mnatsakanian, M. Sharaev, V. Krjukov, O. Antipova, V. Krasnov

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.