Cognitive behavioral training reverses the effect of pain exposure on brain network activity
Notice bibliographique
Résumé
Repeated sensory exposures shape the brain's function and its responses to environmental stimuli. An important clinical and scientific question is how exposure to pain affects brain network activity and whether that activity is modifiable with training. We sought to determine whether repeated pain exposure would impact brain network activity and whether these effects can be reversed by cognitive behavioral therapy (CBT)-based training. Healthy subjects underwent 8 experimental sessions on separate days on which they received painful thermal stimuli. They were randomly assigned to groups receiving either CBT-based training (regulate group, n = 17) or a non-pain-focused treatment (control group, n = 13). Before and after these sessions, participants underwent functional magnetic resonance imaging (fMRI) during painful stimulation and at rest. The effect of repeated pain over time in the control group was a decrease in the neurotypical pain-evoked default mode network (DMN) deactivation. The regulate group did not show these DMN effects but rather had decreased deactivation of the right ventrolateral prefrontal cortex (R vlPFC) of the executive control network. In the regulate group, reduced pain-evoked DMN deactivation was associated with greater individual reduction in pain intensity and unpleasantness over time. Finally, the regulate group showed enhanced resting functional connectivity between areas of the DMN and executive control network over time, compared with the control group. Our study demonstrates that trainable cognitive states can alter the effect of repeated sensory exposure on the brain. The findings point to the potential utility of cognitive training to prevent changes in brain network connectivity that occur with repeated experience of pain.
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 | 0,007 | 0,003 |
| 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 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 ».