Impact of meditation training on the default mode network during a restful state
Notice bibliographique
Résumé
Mindfulness meditation has been shown to promote emotional stability. Moreover, during the processing of aversive and self-referential stimuli, mindful awareness is associated with reduced medial prefrontal cortex (MPFC) activity, a central default mode network (DMN) component. However, it remains unclear whether mindfulness practice influences functional connectivity between DMN regions and, if so, whether such impact persists beyond a state of meditation. Consequently, this study examined the effect of extensive mindfulness training on functional connectivity within the DMN during a restful state. Resting-state data were collected from 13 experienced meditators (with over 1000 h of training) and 11 beginner meditators (with no prior experience, trained for 1 week before the study) using functional magnetic resonance imaging (fMRI). Pairwise correlations and partial correlations were computed between DMN seed regions' time courses and were compared between groups utilizing a Bayesian sampling scheme. Relative to beginners, experienced meditators had weaker functional connectivity between DMN regions involved in self-referential processing and emotional appraisal. In addition, experienced meditators had increased connectivity between certain DMN regions (e.g. dorso-medial PFC and right inferior parietal lobule), compared to beginner meditators. These findings suggest that meditation training leads to functional connectivity changes between core DMN regions possibly reflecting strengthened present-moment awareness.
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 | 0,000 |
| 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) | 0,001 | 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 ».