Cross-Modal Calibration of Vestibular Afference for Human Balance
Notice bibliographique
Résumé
To determine how the vestibular sense controls balance, we used instantaneous head angular velocity to drive a galvanic vestibular stimulus so that afference would signal that head movement was faster or slower than actual. In effect, this changed vestibular afferent gain. This increased sway 4-fold when subjects (N = 8) stood without vision. However, after a 240 s conditioning period with stable balance achieved through reliable visual or somatosensory cues, sway returned to normal. An equivalent galvanic stimulus unrelated to sway (not driven by head motion) was equally destabilising but in this situation the conditioning period of stable balance did not reduce sway. Reflex muscle responses evoked by an independent, higher bandwidth vestibular stimulus were initially reduced in amplitude by the galvanic stimulus but returned to normal levels after the conditioning period, contrary to predictions that they would decrease after adaptation to increased sensory gain and increase after adaptation to decreased sensory gain. We conclude that an erroneous vestibular signal of head motion during standing has profound effects on balance control. If it is unrelated to current head motion, the CNS has no immediate mechanism of ignoring the vestibular signal to reduce its influence on destabilising balance. This result is inconsistent with sensory reweighting based on disturbances. The increase in sway with increased sensory gain is also inconsistent with a simple feedback model of vestibular reflex action. Thus, we propose that recalibration of a forward sensory model best explains the reinterpretation of an altered reafferent signal of head motion during stable balance.
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 | 0,001 |
| 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 ».