Cortical thickness correlates of pain and temperature sensitivity
Notice bibliographique
Résumé
It is well established that there is individual variability in pain and temperature sensitivity. Functional brain imaging studies have found that interindividual heat pain variability correlates with brain activity in sensory and pain modulation areas. Thus, it is possible that these individual differences are associated with variability in gray matter thickness of cortical regions involved in thermoreception and pain. To test this, we investigated the relationship between thermal thresholds and cortical thickness in 80 healthy subjects. Subjects underwent a psychophysical session to determine their cool detection (CD), warm detection (WD), cold pain (CP), and heat pain (HP) threshold. A high-resolution structural magnetic resonance imaging scan was acquired for each subject. We correlated each threshold measure to cortical thickness of regions associated with thermoreception and pain. The mean (± SD) thresholds were 30.7 °C (± 0.8) for CD, 33.8 °C (± 0.7) for WD, 11.7 °C (± 9.7) for CP, and 45.3 °C (± 2.8) for HP. The brain gray matter analysis revealed a strong correlation between greater thermal and pain sensitivity and cortical thickening of the primary somatosensory cortex. Additionally, greater sensitivity to cool stimuli correlated with cortical thickening in the paracentral lobule, and greater WD correlated with cortical thinning in the anterior midcingulate cortex. We also found that greater HP sensitivity correlated with thickening in the posterior midcingulate cortex and the orbitofrontal cortex. These cortical gray matter correlates of thermal and pain sensitivity provide a neural basis for individual differences in thermal sensitivity.
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 | 0,005 | 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 ».