Targeting Neural Endophenotypes of Eating Disorders with Non-invasive Brain Stimulation
Notice bibliographique
Résumé
The term "eating disorders" (ED) encompasses a wide variety of disordered eating and compensatory behaviors, and so the term is associated with considerable clinical and phenotypic heterogeneity. This heterogeneity makes optimizing treatment techniques difficult. One class of treatments is non-invasive brain stimulation (NIBS). NIBS, including repetitive transcranial magnetic stimulation (rTMS) and transcranial direct current stimulation (tDCS), are accessible forms of neuromodulation that alter the cortical excitability of a target brain region. It is crucial for NIBS to be successful that the target is well selected for the patient population in question. Targets may best be selected by stepping back from conventional DSM-5 diagnostic criteria to identify neural substrates of more basic phenotypes, including behavior related to rewards and punishment, cognitive control, and social processes. These phenotypic dimensions have been recently laid out by the Research Domain Criteria (RDoC) initiative. Consequently, this review is intended to identify potential dimensions as outlined by the RDoC and the underlying behavioral and neurobiological targets associated with ED. This review will also identify candidate targets for NIBS based on these dimensions and review the available literature on rTMS and tDCS in ED. This review systematically reviews abnormal neural circuitry in ED within the RDoC framework, and also systematically reviews the available literature investigating NIBS as a treatment for ED.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».