Characteristics of Human Corneal Psychophysical Channels
Notice bibliographique
Résumé
PURPOSE: To characterize human corneal psychophysical channels. METHODS: Twenty subjects participated in this study. A Belmonte pneumatic esthesiometer was used to deliver stimuli, and the ascending method of limits and the method of constant stimuli were used to estimate thresholds. Sensation was characterized for different stimuli. Corneal mechanical and chemical thresholds were measured at different temperatures. RESULTS: The qualities of the sensations induced by stimuli with different temperatures were different, and the corresponding detection thresholds of the pneumatic stimuli at four temperatures gradually increased (repeated measures ANOVA (F(3,12) = 10.326, P = 0.000). There were no temperature effects on chemical thresholds (repeated measures ANOVA F(3,12) = 0.235, P = 0.870) or mechanical discomfort thresholds from 20 degrees C to 50 degrees C (paired t14 = -0.233, P = 0.818). There were strong interactions when chemical and mechanical stimuli were added. Chemical thresholds were progressively lower when the flow rate increased and mechanical thresholds went down as the percentage of added CO2 increased (repeated measures ANOVA F(3, 12) = 6.407, P = 0.007, F(4, 16) = 19.904, P = 0.000). CONCLUSIONS: This study suggests that humans sense corneal non-noxious cold and noxious mechanical and chemical stimuli, and that the sensitivity of some submodalities can be modulated by others. There are at least five psychophysical channels (non-noxious cold, noxious mechanical, noxious chemical-H+, noxious heat, and itching) processing corneal sensory information. Both decreased corneal chemical thresholds at high flow rates and decreased mechanical thresholds with an added chemical stimulation demonstrate that corneal psychophysical channels are not independent.
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 | 0,000 | 0,000 |
| 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 | 0,004 |
| 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 ».