How are different neural networks related to consciousness?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: We aimed to investigate the roles of different resting-state networks in predicting both the actual level of consciousness and its recovery in brain injury patients. METHODS: We investigated resting-state functional connectivity within different networks in patients with varying levels of consciousness: unresponsive wakefulness syndrome (UWS; n = 56), minimally conscious state (MCS; n = 29), and patients with brain lesions but full consciousness (BL; n = 48). Considering the actual level of consciousness, we compared the strength of network connectivity among the patient groups. We then checked the presence of connections between specific regions in individual patients and calculated the frequency of this in the different patient groups. Considering the recovery of consciousness, we split the UWS group into 2 subgroups according to recovery: those who emerged from UWS (UWS-E) and those who remained in UWS (UWS-R). The above analyses were repeated on these 2 subgroups. RESULTS: Functional connectivity strength in salience network (SN), especially connectivity between the supragenual anterior cingulate cortex (SACC) and left anterior insula (LAI), was reduced in the unconscious state (UWS) compared to the conscious state (MCS and BL). Moreover, at the individual level, SACC-LAI connectivity was more present in MCS than in UWS. Default-mode network (DMN) connectivity strength, especially between the posterior cingulate cortex (PCC) and left lateral parietal cortex (LLPC), was reduced in UWS-R compared with UWS-E. Furthermore, PCC-LLPC connectivity was more present in UWS-E than in UWS-R. INTERPRETATION: Our findings show that SN (SACC-LAI) connectivity correlates with behavioral signs of consciousness, whereas DMN (PCC-LLPC) connectivity instead predicts recovery of consciousness.
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.
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 | 0,009 |
| 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 découle