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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,003 | 0,001 |
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 ».