Mirroring Pain in the Brain: Emotional Expression versus Motor Imitation
Notice bibliographique
Résumé
Perception of pain in others via facial expressions has been shown to involve brain areas responsive to self-pain, biological motion, as well as both performed and observed motor actions. Here, we investigated the involvement of these different regions during emotional and motor mirroring of pain expressions using a two-task paradigm, and including both observation and execution of the expressions. BOLD responses were measured as subjects watched video clips showing different intensities of pain expression and, after a variable delay, either expressed the amount of pain they perceived in the clips (pain task), or imitated the facial movements (movement task). In the pain task condition, pain coding involved overlapping activation across observation and execution in the anterior cingulate cortex, supplementary motor area, inferior frontal gyrus/anterior insula, and the inferior parietal lobule, and a pain-related increase (pain vs. neutral) in the anterior cingulate cortex/supplementary motor area, the right inferior frontal gyrus, and the postcentral gyrus. The 'mirroring' response was stronger in the inferior frontal gyrus and middle temporal gyrus/superior temporal sulcus during the pain task, and stronger in the inferior parietal lobule in the movement task. These results strongly suggest that while motor mirroring may contribute to the perception of pain expressions in others, interpreting these expressions in terms of pain content draws more heavily on networks involved in the perception of affective meaning.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».