In order to address the major impact on quality of life and epilepsy management caused by associated neuropsychiatric conditions, an international consensus group of epileptologists met with the aim of developing clear evidence-based and practice-based statements to provide guidance on the management of these conditions. Using a Delphi process, this group prioritized a list of key management areas. These included: depression, anxiety, psychotic disorders, nonepileptic seizures, cognitive dysfunction, antiepileptic drug (AED)–related neurobehavioral disorders, suicidality, disorders in children and adolescents, disorders in children with intellectual disability, and epilepsy surgery. Clinical practice statements were developed for each area and consensus reached among members of the group. The assessment and management of these conditions needs to combine knowledge of psychiatric disorders, knowledge of the impact of epilepsy and its treatment on psychopathology, and an ability to deliver care within epilepsy services. The aim of these statements is to provide guidance on quality care for people with epilepsy that have a range of neuropsychiatric disorders.

Abstract Cortical thickness, surface area and volumes (MRI cortical measures) vary with age and cognitive function, and in neurological and psychiatric diseases. We examined heritability, genetic correlations and genome-wide associations of cortical measures across the whole cortex, and in 34 anatomically predefined regions. Our discovery sample comprised 22,822 individuals from 20 cohorts within the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the United Kingdom Biobank. Significant associations were replicated in the Enhancing Neuroimaging Genetics through Meta-analysis (ENIGMA) consortium, and their biological implications explored using bioinformatic annotation and pathway analyses. We identified genetic heterogeneity between cortical measures and brain regions, and 161 genome-wide significant associations pointing to wnt/β-catenin, TGF-β and sonic hedgehog pathways. There was enrichment for genes involved in anthropometric traits, hindbrain development, vascular and neurodegenerative disease and psychiatric conditions. These data are a rich resource for studies of the biological mechanisms behind cortical development and aging.

Abstract Age has a major effect on brain volume. However, the normative studies available are constrained by small sample sizes, restricted age coverage and significant methodological variability. These limitations introduce inconsistencies and may obscure or distort the lifespan trajectories of brain morphometry. In response, we capitalised on the resources of the Enhancing Neuroimaging Genetics through Meta-Analysis (ENIGMA) Consortium to examine the age-related morphometric trajectories of the ventricles, the basal ganglia (caudate, putamen, pallidum, and nucleus accumbens), the thalamus, hippocampus and amygdala using magnetic resonance imaging data obtained from 18,605 individuals aged 3-90 years. All subcortical structure volumes were at their maximum early in life; the volume of the basal ganglia showed a gradual monotonic decline thereafter while the volumes of the thalamus, amygdala and the hippocampus remained largely stable (with some degree of decline in thalamus) until the sixth decade of life followed by a steep decline thereafter. The lateral ventricles showed a trajectory of continuous enlargement throughout the lifespan. Significant age-related increase in inter-individual variability was found for the hippocampus and amygdala and the lateral ventricles. These results were robust to potential confounders and could be used to derive risk predictions for the early identification of diverse clinical phenotypes.

General cognitive function is a prominent human trait associated with many important life outcomes 1,2 , including longevity 3 . The substantial heritability of general cognitive function is known to be polygenic, but it has had little explication in terms of the contributing genetic variants 4,5,6 . Here, we combined cognitive and genetic data from the CHARGE and COGENT consortia, and UK Biobank (total N=280,360; age range = 16 to 102). We found 9,714 genome-wide significant SNPs ( P <5 x 10 −8 ) in 99 independent loci. Most showed clear evidence of functional importance. Among many novel genes associated with general cognitive function were SGCZ , ATXN1 , MAPT , AUTS2 , and P2RY6 . Within the novel genetic loci were variants associated with neurodegenerative disorders, neurodevelopmental disorders, physical and psychiatric illnesses, brain structure, and BMI. Gene-based analyses found 536 genes significantly associated with general cognitive function; many were highly expressed in the brain, and associated with neurogenesis and dendrite gene sets. Genetic association results predicted up to 4% of general cognitive function variance in independent samples. There was significant genetic overlap between general cognitive function and information processing speed, as well as many health variables including longevity.

Abstract Purpose Autistic people have a significantly increased risk of death by suicide relative to the general population. In non-autistic samples, psychological wellbeing has been shown to moderate the relationship between depression and suicidal thoughts and behavior. Thoughts of self-harm may provide a useful indicator of suicidal risk. In this longitudinal study we examined (a) the potential role for psychological wellbeing to moderate the relationship between depressive symptoms and thoughts of self-harm and (b) the contribution of autistic traits to thoughts of self-harm. Methods Participants were 209 autistic adolescents and adults aged 15 to 80 years ( M age = 34.20, SD = 15.38 years). Results At both baseline and 2-year follow-up, 35% of participants reported recent thoughts of self-harm. Wellbeing was associated with autistic traits ( r = − .350 to − 0.404) and depression ( r = − .480 to − 0.759). Thoughts of self-harm were positively associated with autistic traits and depression ( r = .242 to 0.659), and negatively associated with wellbeing ( r = − .287 to − 0.609). Controlling for baseline thoughts of self-harm, depression ( β = 0.254, p = .001) and autistic traits ( β = 0.162, p = .007) significantly predicted thoughts of self-harm at 2-year follow-up. Conclusion Despite a lack of support for the hypothesis that wellbeing would moderate the relationship between depression and thoughts of self-harm, correlational data demonstrated significant associations between wellbeing and both depression and thoughts of self-harm. Future research considering psychological wellbeing as a potential protective factor for self-harm in autistic people is warranted.

Abstract Structural neuroimaging data have been used to compute an estimate of the biological age of the brain (brain‐age) which has been associated with other biologically and behaviorally meaningful measures of brain development and aging. The ongoing research interest in brain‐age has highlighted the need for robust and publicly available brain‐age models pre‐trained on data from large samples of healthy individuals. To address this need we have previously released a developmental brain‐age model. Here we expand this work to develop, empirically validate, and disseminate a pre‐trained brain‐age model to cover most of the human lifespan. To achieve this, we selected the best‐performing model after systematically examining the impact of seven site harmonization strategies, age range, and sample size on brain‐age prediction in a discovery sample of brain morphometric measures from 35,683 healthy individuals (age range: 5–90 years; 53.59% female). The pre‐trained models were tested for cross‐dataset generalizability in an independent sample comprising 2101 healthy individuals (age range: 8–80 years; 55.35% female) and for longitudinal consistency in a further sample comprising 377 healthy individuals (age range: 9–25 years; 49.87% female). This empirical examination yielded the following findings: (1) the accuracy of age prediction from morphometry data was higher when no site harmonization was applied; (2) dividing the discovery sample into two age‐bins (5–40 and 40–90 years) provided a better balance between model accuracy and explained age variance than other alternatives; (3) model accuracy for brain‐age prediction plateaued at a sample size exceeding 1600 participants. These findings have been incorporated into CentileBrain ( https://centilebrain.org/#/brainAGE2 ), an open‐science, web‐based platform for individualized neuroimaging metrics.

This cohort profile describes one of the largest linked datasets in the world concerning the health of people with intellectual disability. The cohort comprises a retrospective group of 100,089 individuals with intellectual disability who received disability and/or health services in New South Wales, Australia. Of these participants, 34% were female, with a median age at cohort entry of 3 years (interquartile range, 0 to 19 years). A separate comparator cohort included 455,677 individuals, matched by 5-year age group, sex, and residential postcode at a 5:1 ratio. Initial results indicate that between 2001 and 2018, people with intellectual disability experienced more than double the rate of hospitalisations (538 versus 235 per 1000 person-years), as well as markedly higher rates of emergency department presentations (707 versus 379 per 1000 person-years) and use of ambulatory mental health services (1012 versus 157 per 1000 person-years), relative to the comparator cohort. The largest disparities in hospital admissions were for mental disorders, dialysis, and diseases of the nervous system and sense organs. Furthermore, individuals with intellectual disability had more than double the rate of dispensed medications found in the comparator cohort. Of these medications, 46.6% were for the treatment of nervous system conditions, as opposed to 24.7% for the comparator cohort. The mean age at death was 52 years (standard deviation [SD], 19 years) for people with intellectual disability and 64 years (SD, 22 years) for the comparator participants.

The cerebral cortex underlies our complex cognitive capabilities, yet we know little about the specific genetic loci influencing human cortical structure. To identify genetic variants, including structural variants, impacting cortical structure, we conducted a genome-wide association meta-analysis of brain MRI data from 51,662 individuals. We analysed the surface area and average thickness of the whole cortex and 34 regions with known functional specialisations. We identified 255 nominally significant loci ( P ≤ 5 × 10−8); 199 survived multiple testing correction ( P ≤ 8.3 × 10−10; 187 surface area; 12 thickness). We found significant enrichment for loci influencing total surface area within regulatory elements active during prenatal cortical development, supporting the radial unit hypothesis. Loci impacting regional surface area cluster near genes in Wnt signalling pathways, known to influence progenitor expansion and areal identity. Variation in cortical structure is genetically correlated with cognitive function, Parkinson’s disease, insomnia, depression and ADHD.One Sentence Summary Common genetic variation is associated with inter-individual variation in the structure of the human cortex, both globally and within specific regions, and is shared with genetic risk factors for some neuropsychiatric disorders.

Down syndrome regression disorder (DSRD) is a rare condition involving subacute cognitive decline, loss of previously acquired developmental skills, and prominent neuropsychiatric symptoms, particularly catatonia, in people with Down syndrome. It is thought to involve both autoimmune and neuropsychiatric mechanisms. Research, however, is largely restricted to case studies and retrospective case series and is particularly limited in terms of prospective longitudinal follow-up. We report a case study of a person with DSRD who received both immunomodulatory (intravenous immunoglobulin; IVIG) and psychiatric interventions (electroconvulsive therapy, ECT) over two years with regular assessments using caregiver and clinician ratings. This revealed a small, unsustained response to IVIG and a rapid, sustained response once ECT was introduced. The case highlights the importance of multimodal assessment involving multiple medical specialties, the need to trial different therapies due to the condition’s complexity, and the significant barriers that patients and their families face in accessing care.

Background: Normative modeling is a statistical approach to quantify the degree to which a particular individual-level measure deviates from the pattern observed in a normative reference population. When applied to human brain morphometric measures it has the potential to inform about the significance of normative deviations for health and disease. Normative models can be implemented using a variety of algorithms that have not been systematically appraised. Methods: To address this gap, eight algorithms were compared in terms of performance and computational efficiency using brain regional morphometric data from 37,407 healthy individuals (53% female; aged 3-90 years) collated from 87 international MRI datasets. Performance was assessed with the mean absolute error (MAE) and computational efficiency was inferred from central processing unit (CPU) time. The algorithms evaluated were Ordinary Least Squares Regression (OLSR), Bayesian Linear Regression (BLR), Generalized Additive Models for Location, Scale, and Shape (GAMLSS), Parametric Lambda, Mu, Sigma (LMS), Gaussian Process Regression (GPR), Warped Bayesian Linear Regression (WBLG), Hierarchical Bayesian Regression (HBR), and Multivariable Fractional Polynomial Regression (MFPR). Model optimization involved testing nine covariate combinations pertaining to acquisition features, parcellation software versions, and global neuroimaging measures (i.e., total intracranial volume, mean cortical thickness, and mean cortical surface area). Findings: Statistical comparisons across models at PFDR<0.05 indicated that the MFPR-derived sex- and region-specific models with nonlinear polynomials for age and linear effects of global measures had superior predictive accuracy; the range of the MAE of the models of regional subcortical volumes was 70-520 mm3 and the corresponding ranges for regional cortical thickness and regional cortical surface area were 0.09-0.26 mm and 24-560 mm2, respectively. The MFPR-derived models were also computationally more efficient with a CPU time below one second compared to a range of 2 seconds to 60 minutes for the other algorithms. The performance of all sex- and region-specific MFPR models plateaued at sample sizes exceeding 3,000 and showed comparable MAEs across distinct 10-year age-bins covering the human lifespan. Interpretation: These results provide an empirically benchmarked framework for normative modeling of brain morphometry that is useful for interpreting prior literature and supporting future study designs. The model and tools described here are freely available through CentileBrain (https://centilebrain.org/), a user-friendly web platform.