Human Corneal Adaptation to Mechanical, Cooling, and Chemical Stimuli
Notice bibliographique
Résumé
PURPOSE: To psychophysically investigate adaptation in human corneas using the Belmonte pneumatic esthesiometer. METHODS: Twenty, 8, and 20 healthy subjects were enrolled in the mechanical, cool, and chemical experiments, respectively. Thresholds were estimated using an ascending method of limits and three intensities (subthreshold, threshold, and suprathreshold, in random order) were each presented 10 or 20 times, and subjects scaled the intensity of the stimuli (0-4 [no stimulus to very intense stimulus]). Friedman nonparametric ANOVA was used to analyze the rating data. RESULTS: There was measurable adaptation with both mechanical and cool stimuli. For both suprathreshold mechanical and cool stimuli, the earlier stimuli were rated more intensely than subsequent stimuli (both P < 0.05). However, this was not the case for subthreshold and threshold mechanical and cool stimuli (all P > 0.05). Paradoxically, for the chemical stimuli, there was adaptation to threshold stimuli (P = 0.03) but no adaptation for subthreshold and suprathreshold stimuli (P = 0.19 and 0.11, respectively). CONCLUSIONS: Both mechanical (mechanosensory or polymodal) and cold receptors on human corneas show adaptation to repeated suprathreshold stimuli with a reduction in perceived intensity after multiple exposures to the same physical stimulus intensity. This is in accord with the results found in electrophysiological and psychophysical experiments of somatosensation elsewhere in the body (and in other animals). The response to chemical stimuli was different, and this might reflect proximal and distal neural or stimulus-specific effects.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».