MétaCan
Menu
Retour à la cohorte
Enregistrement W2473329246 · doi:10.1007/978-1-4899-7654-3_26

Deep Brain Stimulation for Neuropsychiatric Disorders

2016· book-chapter· en· W2473329246 sur OpenAlexaff
Ausaf Bari, Nicolas Kon Kam King, Nir Lipsman, Andrés M. Lozano

Notice bibliographique

RevueTranslational Neuroscience · 2016
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueNeurological disorders and treatments
Établissements canadiensUniversity of TorontoToronto Western Hospital
Organismes subventionnairesnon disponible
Mots-clésDeep brain stimulationNeuroimagingNeuroscienceAddictionAnorexia nervosaEating disordersDepression (economics)PsychologyBrain stimulationPsychiatryMedicineStimulationParkinson's disease

Résumé

récupéré en direct d'OpenAlex

Neuropsychiatric disorders that are refractory to best medical management continue to pose a significant challenge. Advances in molecular neuroscience and neuroimaging have started to reveal how dysfunction in specific limbic networks mediates these disorders. This knowledge, along with concurrent advances in neurosurgical techniques, has lead to the increasing use of deep brain stimulation (DBS) for the treatment of neuropsychiatric disorders. Here we review the role of DBS for obsessive-compulsive disorder (OCD), depression, addiction, post-traumatic stress disorder (PTSD), and anorexia nervosa (AN). We emphasize the use of translational techniques such as neuroimaging, molecular neuroscience, and animal models in guiding and evaluating the use of DBS for these challenging disorders.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0200,011

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 Opus0,029
Tête enseignante GPT0,285
Écart entre enseignants0,256 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranslational NeuroscienceMême sujetNeurological disorders and treatmentsTravaux en français237 207