ABSTRACT

Objective

 To evaluate the predictive power of executive functions, in particular, response inhibition, in relation to alcohol-related problems and illicit drug use in adolescence. 

Method

 A total of 498 children from 275 families from a longitudinal high-risk study completed executive function measures in early and late adolescence and lifetime drinking and drug-related ratings at multiple time points including late adolescence (ages 15-17). Multi-informant measures of attention-deficit/hyperactivity disorder and conduct disorder were obtained in early childhood (ages 3-5), middle childhood, and adolescence. 

Results

 In multilevel models, poor response inhibition predicted aggregate alcohol-related problems, the number of illicit drugs used, and comorbid alcohol and drug use (but not the number of drug-related problems), independently of IQ, parental alcoholism and antisocial personality disorder, child attention-deficit/hyperactivity disorder and conduct symptoms, or age. Multivariate models explained 8% to 20% of residual variance in outcome scores. The incremental predictive power of response inhibition was modest, explaining about 1% of the variance in most outcomes, but more than 9% of the residual variance in problem outcomes within the highest risk families. Other measured executive functions did not independently predict substance use onset. 

Conclusion

 Models of alcoholism and other drug risks that invoke executive functions may benefit from specifying response inhibition as an incremental component. J. Am. Acad. Child Adolesc. Psychiatry, 2006;45(4):468-475.

Abstract The second iteration of the Autism Brain Imaging Data Exchange (ABIDE II) aims to enhance the scope of brain connectomics research in Autism Spectrum Disorder (ASD). Consistent with the initial ABIDE effort (ABIDE I), that released 1112 datasets in 2012, this new multisite open-data resource is an aggregate of resting state functional magnetic resonance imaging (MRI) and corresponding structural MRI and phenotypic datasets. ABIDE II includes datasets from an additional 487 individuals with ASD and 557 controls previously collected across 16 international institutions. The combination of ABIDE I and ABIDE II provides investigators with 2156 unique cross-sectional datasets allowing selection of samples for discovery and/or replication. This sample size can also facilitate the identification of neurobiological subgroups, as well as preliminary examinations of sex differences in ASD. Additionally, ABIDE II includes a range of psychiatric variables to inform our understanding of the neural correlates of co-occurring psychopathology; 284 diffusion imaging datasets are also included. It is anticipated that these enhancements will contribute to unraveling key sources of ASD heterogeneity.

Objective To evaluate and compare a focused set of component neuropsychological executive functions in the DSM-IV attention-deficit/hyperactivity disorder combined (ADHD-C) and inattentive (ADHD-I) subtypes. Method The Stop task, Tower of London, Stroop task, Trailmaking Test, and output speed measures were completed by 105 boys and girls aged 7–12 classified as either DSM-IV ADHD-C (n = 46), ADHD-I (n = 18), or community control (n = 41). Results Both subtypes had deficits on output speed. A group × gender interaction was observed on the Stop task: boys with ADHD-C were impaired versus boys with ADHD-I, whereas girls in the two subtypes did not differ. The ADHD-C type had a deficit in planning. Neither ADHD group had a deficit in interference control per se, although they were slower than controls on the Stroop tasks. Conclusions ADHD-I shares neuropsychological deficits with ADHD-C in the domain of output speed; on most domains the subtypes did not differ. Neuropsychological distinctions between these ADHD subtypes may be few, depending on which domain of executive functioning is assessed, and these distinctions differ by gender. In the case of boys, the two subtypes may be distinguished by the specificity of motor inhibition deficits to ADHD-C.

Research and clinical investigations in psychiatry largely rely on the de facto assumption that the diagnostic categories identified in the Diagnostic and Statistical Manual (DSM) represent homogeneous syndromes. However, the mechanistic heterogeneity that potentially underlies the existing classification scheme might limit discovery of etiology for most developmental psychiatric disorders. Another, perhaps less palpable, reality may also be interfering with progress—heterogeneity in typically developing populations. In this report we attempt to clarify neuropsychological heterogeneity in a large dataset of typically developing youth and youth with attention deficit/hyperactivity disorder (ADHD), using graph theory and community detection. We sought to determine whether data-driven neuropsychological subtypes could be discerned in children with and without the disorder. Because individual classification is the sine qua non for eventual clinical translation, we also apply support vector machine-based multivariate pattern analysis to identify how well ADHD status in individual children can be identified as defined by the community detection delineated subtypes. The analysis yielded several unique, but similar subtypes across both populations. Just as importantly, comparing typically developing children with ADHD children within each of these distinct subgroups increased diagnostic accuracy. Two important principles were identified that have the potential to advance our understanding of typical development and developmental neuropsychiatric disorders. The first tenet suggests that typically developing children can be classified into distinct neuropsychological subgroups with high precision. The second tenet proposes that some of the heterogeneity in individuals with ADHD might be “nested” in this normal variation.

Part I: Conceptual Context. ADHD's Controversies. Defining Disorder. Part II: How Does ADHD Work? Neural Systems. Attention and Arousal. Executive Functioning or Cognitive Control. Motivation. Motor Control and Timing. Part III: Where Does ADHD Come From? Multiple Pathways. Genetic Effects. Uncommon Experiential Risk Factors. Common Experiential Risk Factors. Part IV: Integration. Multiple Pathways Reconsidered. Conclusion.

Abstract Head motion represents one of the greatest technical obstacles for brain MRI. Accurate detection of artifacts induced by head motion requires precise estimation of movement. However, this estimation may be corrupted by factitious effects owing to main field fluctuations generated by body motion. In the current report, we examine head motion estimation in multiband resting state functional connectivity MRI (rs-fcMRI) data from the Adolescent Brain and Cognitive Development (ABCD) Study and a comparison ‘single-shot’ dataset from Oregon Health & Science University. We show unequivocally that respirations contaminate movement estimates in functional MRI and that respiration generates apparent head motion not associated with degraded quality of functional MRI. We have developed a novel approach using a band-stop filter that accurately removes these respiratory effects. Subsequently, we demonstrate that utilizing this filter improves post-processing data quality. Lastly, we demonstrate the real-time implementation of motion estimate filtering in our FIRMM (Framewise Integrated Real-Time MRI Monitoring) software package.

Abstract Hemispheric asymmetry is a cardinal feature of human brain organization. Altered brain asymmetry has also been linked to some cognitive and neuropsychiatric disorders. Here the ENIGMA consortium presents the largest ever analysis of cerebral cortical asymmetry and its variability across individuals. Cortical thickness and surface area were assessed in MRI scans of 17,141 healthy individuals from 99 datasets worldwide. Results revealed widespread asymmetries at both hemispheric and regional levels, with a generally thicker cortex but smaller surface area in the left hemisphere relative to the right. Regionally, asymmetries of cortical thickness and/or surface area were found in the inferior frontal gyrus, transverse temporal gyrus, parahippocampal gyrus, and entorhinal cortex. These regions are involved in lateralized functions, including language and visuospatial processing. In addition to population-level asymmetries, variability in brain asymmetry was related to sex, age, and brain size (indexed by intracranial volume). Interestingly, we did not find significant associations between asymmetries and handedness. Finally, with two independent pedigree datasets ( N = 1,443 and 1,113, respectively), we found several asymmetries showing modest but highly reliable heritability. The structural asymmetries identified, and their variabilities and heritability provide a reference resource for future studies on the genetic basis of brain asymmetry and altered laterality in cognitive, neurological, and psychiatric disorders. Significance Statement Left-right asymmetry is a key feature of the human brain's structure and function. It remains unclear which cortical regions are asymmetrical on average in the population, and how biological factors such as age, sex and genetic variation affect these asymmetries. Here we describe by far the largest ever study of cerebral cortical brain asymmetry, based on data from 17,141 participants. We found a global anterior-posterior 'torque' pattern in cortical thickness, together with various regional asymmetries at the population level, which have not been previously described, as well as effects of age, sex, and heritability estimates. From these data, we have created an on-line resource that will serve future studies of human brain anatomy in health and disease.

Over the past 25 years, neuroimaging has become a ubiquitous tool in basic research and clinical studies of the human brain. However, there are no reference standards against which to anchor measures of individual differences in brain morphology, in contrast to growth charts for traits such as height and weight. Here, we built an interactive online resource (www.brainchart.io) to quantify individual differences in brain structure from any current or future magnetic resonance imaging (MRI) study, against models of expected age-related trends. With the goal of basing these on the largest and most inclusive dataset, we aggregated MRI data spanning 115 days post-conception through 100 postnatal years, totaling 122,123 scans from 100,071 individuals in over 100 studies across 6 continents. When quantified as centile scores relative to the reference models, individual differences show high validity with non-MRI brain growth estimates and high stability across longitudinal assessment. Centile scores helped identify previously unreported brain developmental milestones and demonstrated increased genetic heritability compared to non-centiled MRI phenotypes. Crucially for the study of brain disorders, centile scores provide a standardised and interpretable measure of deviation that reveals new patterns of neuroanatomical differences across neurological and psychiatric disorders emerging during development and ageing. In sum, brain charts for the human lifespan are an essential first step towards robust, standardised quantification of individual variation and for characterizing deviation from age-related trends. Our global collaborative study provides such an anchorpoint for basic neuroimaging research and will facilitate implementation of research-based standards in clinical studies.

The transition from childhood to adolescence is marked by distinct changes in behavior, including how one values waiting for a large reward compared to receiving an immediate, yet smaller, reward. While previous research has emphasized the relationship between this preference and age, it is also proposed that this behavior is related to circuitry between valuation and cognitive control systems. In this study, we examined how age and intrinsic functional connectivity strength within and between these neural systems relate to changes in discounting behavior across the transition into adolescence. We used mixed-effects modeling and linear regression to assess the contributions of age and connectivity strength in predicting discounting behavior. First, we identified relevant connections in a longitudinal sample of 64 individuals who completed MRI scans and behavioral assessments 2-3 times across ages 7-15 years (137 scans). We then repeated the analysis in a separate, cross-sectional, sample of 84 individuals (7-13 years). Both samples showed an age-related increase in preference for waiting for larger rewards. Connectivity strength within and between valuation and cognitive control systems accounted for further variance not explained by age. These results suggest that individual differences in functional neural organization can account for behavioral changes typically associated with age.