MétaCan
Menu
Retour à la cohorte
Enregistrement W2314387497 · doi:10.3389/fncom.2016.00026

Vestibular Compensation in Unilateral Patients Often Causes Both Gain and Time Constant Asymmetries in the VOR

2016· article· en· W2314387497 sur OpenAlexaff
Mina Ranjbaran, Athanasios Katsarkas, Henrietta L. Galiana

Notice bibliographique

RevueFrontiers in Computational Neuroscience · 2016
Typearticle
Langueen
DomaineNeuroscience
ThématiqueVestibular and auditory disorders
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésVestibular systemVestibulo–ocular reflexReflexCompensation (psychology)Vestibular nucleiAudiologyNeurosciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The vestibulo-ocular reflex (VOR) is essential in our daily life to stabilize retinal images during head movements. Balanced vestibular functionality secures optimal reflex performance which otherwise can be distorted by peripheral vestibular lesions. Luckily, vestibular compensation in different neuronal sites restores VOR function to some extent over time. Studying vestibular compensation gives insight into the possible mechanisms for plasticity in the brain. In this work, novel experimental analysis tools are employed to reevaluate the VOR characteristics following unilateral vestibular lesions and compensation. Our results suggest that following vestibular lesions, asymmetric performance of the VOR is not only limited to its gain. Vestibular compensation also causes asymmetric dynamics, i.e., different time constants for the VOR during leftward or rightward passive head rotation. Potential mechanisms for these experimental observations are provided using simulation studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,417

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,233
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Computational NeuroscienceMême sujetVestibular and auditory disordersTravaux en français237 207