MétaCan
Menu
Retour à la cohorte
Enregistrement W2330232438 · doi:10.1523/jneurosci.2499-15.2016

Cortical Plasticity Induction by Pairing Subthalamic Nucleus Deep-Brain Stimulation and Primary Motor Cortical Transcranial Magnetic Stimulation in Parkinson's Disease

2016· article· en· W2330232438 sur OpenAlexafffund
Kaviraja Udupa, Nina Bahl, Zhen Ni, Carolyn Gunraj, Filomena Mazzella, Elena Moro, Mojgan Hodaie, Andrés M. Lozano, Anthony E. Lang, Robert Chen

Notice bibliographique

RevueJournal of Neuroscience · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensKrembil FoundationToronto Rehabilitation InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchBoston Scientific Corporation
Mots-clésTranscranial magnetic stimulationNeuroscienceSubthalamic nucleusDeep brain stimulationNeuroplasticityMotor cortexPrimary motor cortexPsychologyStimulationBrain stimulationBasal gangliaParkinson's diseaseMedicineCentral nervous systemInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Noninvasive brain stimulation studies have shown abnormal motor cortical plasticity in Parkinson's disease (PD). These studies used peripheral nerve stimulation paired with transcranial magnetic stimulation (TMS) to primary motor cortex (M1) at specific intervals to induce plasticity. Induction of cortical plasticity through stimulation of the basal ganglia (BG)-M1 connections has not been studied. In the present study, we used a novel technique of plasticity induction by repeated pairing of deep-brain stimulation (DBS) of the BG with M1 stimulation using TMS. We hypothesize that repeated pairing of subthalamic nucleus (STN)-DBS and M1-TMS at specific time intervals will lead to plasticity in the M1. Ten PD human patients with STN-DBS were studied in the on-medication state with DBS set to 3 Hz. The interstimulus intervals (ISIs) between STN-DBS and TMS that produced cortical facilitation were determined individually for each patient. Three plasticity induction conditions with repeated pairings (180 times) at specific ISIs (∼ 3 and ∼ 23 ms) that produced cortical facilitation and a control ISI of 167 ms were tested in random order. Repeated pairing of STN-DBS and M1-TMS at short (∼ 3 ms) and medium (∼ 23 ms) latencies increased M1 excitability that lasted for at least 45 min, whereas the control condition (fixed ISI of 167 ms) had no effect. There were no specific changes in motor thresholds, intracortical circuits, or recruitment curves. Our results indicate that paired-associative cortical plasticity can be induced by repeated STN and M1 stimulation at specific intervals. These results show that STN-DBS can modulate cortical plasticity. SIGNIFICANCE STATEMENT: We introduced a new experimental paradigm to test the hypothesis that pairing subthalamic nucleus deep-brain stimulation (STN-DBS) with motor cortical transcranial magnetic stimulation (M1-TMS) at specific times can induce cortical plasticity in patients with Parkinson's disease (PD). We found that repeated pairing of STN-DBS with TMS at short (∼ 3 ms) and medium (∼ 23 ms) intervals increased cortical excitability that lasted for up to 45 min, whereas the control condition (fixed latency of 167 ms) had no effects on cortical excitability. This is the first demonstration of associative plasticity in the STN-M1 circuits in PD patients using this novel technique. The potential therapeutic effects of combining DBS and noninvasive cortical stimulation should be investigated further.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,019
Tête enseignante GPT0,257
Écart entre enseignants0,238 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations76
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetNeurological disorders and treatmentsTravaux en français237 207