MétaCan
Menu
Retour à la cohorte
Enregistrement W2017861757 · doi:10.1371/journal.pone.0111853

Deficient Grip Force Control in Schizophrenia: Behavioral and Modeling Evidence for Altered Motor Inhibition and Motor Noise

2014· article· en· W2017861757 sur OpenAlexfundno aff
Maxime Térémetz, Isabelle Amado, Narjès Bendjemaa, Marie‐Odile Krebs, Påvel G. Lindberg, Marc A. Maier

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMotor Control and Adaptation
Établissements canadiensnon disponible
Organismes subventionnairesCHIST-ERACanada Excellence Research Chairs, Government of CanadaFondation Pierre Deniker pour la Recherche et la Prévention en Santé MentaleFondation de FranceAssociation Nationale de la Recherche et de la TechnologieAgence Nationale de la Recherche
Mots-clésSchizophrenia (object-oriented programming)PsychologyMotor controlPhysical medicine and rehabilitationNeuroscienceMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Whether upper limb sensorimotor control is affected in schizophrenia and how underlying pathological mechanisms may potentially intervene in these deficits is still being debated. We tested voluntary force control in schizophrenia patients and used a computational model in order to elucidate potential cerebral mechanisms underlying sensorimotor deficits in schizophrenia. A visuomotor grip force-tracking task was performed by 17 medicated and 6 non-medicated patients with schizophrenia (DSM-IV) and by 15 healthy controls. Target forces in the ramp-hold-and-release paradigm were set to 5 N and to 10% maximal voluntary grip force. Force trajectory was analyzed by performance measures and Principal Component Analysis (PCA). A computational model incorporating neural control signals was used to replicate the empirically observed motor behavior and to explore underlying neural mechanisms. Grip task performance was significantly lower in medicated and non-medicated schizophrenia patients compared to controls. Three behavioral variables were significantly higher in both patient groups: tracking error (by 50%), coefficient of variation of force (by 57%) and duration of force release (up by 37%). Behavioral performance did not differ between patient groups. Computational simulation successfully replicated these findings and predicted that decreased motor inhibition, together with an increased signal-dependent motor noise, are sufficient to explain the observed motor deficits in patients. PCA also suggested altered motor inhibition as a key factor differentiating patients from control subjects: the principal component representing inhibition correlated with clinical severity. These findings show that schizophrenia affects voluntary sensorimotor control of the hand independent of medication, and suggest that reduced motor inhibition and increased signal-dependent motor noise likely reflect key pathological mechanisms of the sensorimotor deficit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil0,520

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,282
Écart entre enseignants0,151 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMotor Control and AdaptationTravaux en français237 207