Effect of Low-Frequency Repetitive Transcranial Magnetic Stimulation on Interhemispheric Inhibition
Notice bibliographique
Résumé
We studied the effects of 1-Hz repetitive transcranial magnetic stimulation (rTMS) on the excitability of interhemispheric connections in 13 right-handed healthy volunteers. TMS was performed using figure-eight coils, and surface electromyography (EMG) was recorded from both first dorsal interosseous (FDI) muscles. A paired-pulse method with a conditioning stimulus (CS) to the motor cortex (M1) followed by a test stimulus to the opposite M1 was used to study the interhemispheric inhibition (ppIHI). Both CS and TS were adjusted to produce motor-evoked potentials of approximately 1 mV in the contralateral FDI muscles. After baseline measurement of right-to-left IHI (pre-RIHI) and left-to-right IHI (pre-LIHI), rTMS was applied over left M1 at 1 Hz with 900 stimuli at 115% of resting motor threshold. After rTMS, ppIHI was studied using both the pre-rTMS CS (post-RIHI and post-LIHI) and an adjusted post-rTMS CS set to produce 1-mV motor evoked potentials (MEPs; post-RIHI(adj) and post-LIHI(adj)). The TS was set to produce 1-mV MEPs. There was a significant reduction in post-LIHI (P = 0.0049) and post-LIHI(adj) (P = 0.0169) compared with pre-LIHI at both interstimulus intervals of 10 and 40 ms. Post-RIHI was significantly reduced compared with pre-RIHI (P = 0.0015) but pre-RIHI and post-RIHI(adj) were not significantly different. We conclude that 1-Hz rTMS reduces IHI in both directions but is predominantly from the stimulated to the unstimulated hemisphere. Low-frequency rTMS may be used to modulate the excitability of IHI circuits. Treatment protocols using low-frequency rTMS to reduce cortical excitability in neurological and psychiatric conditions need to take into account their effects on IHI.
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 ».