Common brain activations for painful and non-painful aversive stimuli
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Identification of potentially harmful stimuli is necessary for the well-being and self-preservation of all organisms. However, the neural substrates involved in the processing of aversive stimuli are not well understood. For instance, painful and non-painful aversive stimuli are largely thought to activate different neural networks. However, it is presently unclear whether there is a common aversion-related network of brain regions responsible for the basic processing of aversive stimuli. To help clarify this issue, this report used a cross-species translational approach in humans (i.e. meta-analysis) and rodents (i.e. systematic review of functional neuroanatomy). RESULTS: Animal and human data combined to show a core aversion-related network, consisting of similar cortical (i.e. MCC, PCC, AI, DMPFC, RTG, SMA, VLOFC; see results section or abbreviation section for full names) and subcortical (i.e. Amyg, BNST, DS, Hab, Hipp/Parahipp, Hyp, NAc, NTS, PAG, PBN, raphe, septal nuclei, Thal, LC, midbrain) regions. In addition, a number of regions appeared to be more involved in pain-related (e.g. sensory cortex) or non-pain-related (e.g. amygdala) aversive processing. CONCLUSIONS: This investigation suggests that aversive processing, at the most basic level, relies on similar neural substrates, and that differential responses may be due, in part, to the recruitment of additional structures as well as the spatio-temporal dynamic activity of the network. This network perspective may provide a clearer understanding of why components of this circuit appear dysfunctional in some psychiatric and pain-related disorders.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle