Deficient Grip Force Control in Schizophrenia: Behavioral and Modeling Evidence for Altered Motor Inhibition and Motor Noise
Notice bibliographique
Résumé
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».