Regional brain signal variability: a novel indicator of pain sensitivity and coping
Notice bibliographique
Résumé
Variability in blood oxygen level-dependent (BOLD) functional magnetic resonance imaging (fMRI) signals reflects the moment-by-moment fluctuations in resting-state fMRI (rs-fMRI) activity within specific areas of the brain. Regional BOLD signal variability was recently proposed to serve an important functional role in the efficacy of neural systems because of its relationship to behavioural performance in aging and cognition studies. We previously showed that individuals who better cope with pain have greater fluctuations in interregional functional connectivity, but it is not known whether regional brain signal variability is a mechanism underlying pain coping. We tested the hypothesis that individual pain sensitivity and coping is reflected by regional fMRI BOLD signal variability within dynamic pain connectome-brain systems implicated in the pain experience. We acquired resting-state fMRI and assessed pain threshold, suprathreshold temporal summation of pain, and the impact of pain on cognition in 80 healthy right-handed individuals. We found that regional BOLD signal variability: (1) inversely correlated with an individual's temporal summation of pain within the ascending nociceptive pathway (primary and secondary somatosensory cortex), default mode network, and salience network; (2) was correlated with an individual's ability to cope with pain during a cognitive interference task within the periaqueductal gray, a key opiate-rich brainstem structure for descending pain modulation; and (3) provided information not captured from interregional functional connectivity. Therefore, regional BOLD variability represents a pain metric with potential implications for prediction of chronic pain resilience vs vulnerability.
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 | 0,013 | 0,088 |
| 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 ».