A novel electroencephalography‐based tool for objective assessment of network dynamics activated by nociceptive stimuli
Notice bibliographique
Résumé
BACKGROUND: Pain perception is typically assessed using subjective measures; an objective measure of the response to pain would be valuable. In this study, Brain Network Activation (BNA), a novel multivariate pattern analysis and scoring algorithm, was applied to event-related potentials (ERPs) elicited by cortical responses to brief heat stimuli. Objectives of this study were to evaluate the utility of BNA as a quantitative and qualitative measure of cortical response to pain. METHODS: Contact Heat Evoked Potentials (CHEPs) data were collected from 17 healthy, right-handed volunteers (10 M, 7F) using 5 different temperatures (35, 41, 46, 49 and 52 °C). A set of spatio-temporal activity patterns common to all the subjects in the group (Reference Brain Network Model; RBNM) was generated using the BNA algorithm, based on evoked responses at 52 °C. RESULTS: Frame by frame 'unfolding' of the brain network across time showed qualitative differences between responses to painful and non-painful stimuli. Brain network activation scores were shown to be a better indicator of the individual's sensitivity to pain when compared to subjective pain ratings. Additionally, BNA scores correlated significantly with temperature, demonstrated good test-retest reliability, as well as a high degree of sensitivity, specificity and accuracy in correctly categorizing subjects who reported stimuli as painful. CONCLUSIONS: These results may provide evidence that the multivariate analysis performed with BNA may be useful as a quantitative, temporally sensitive tool for assessment of pain perception.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».