An Agent-Based Simulation of the Nervous System’s Reflex Response to Pain
Notice bibliographique
Résumé
The reflex arc is an important process of the nervous system that helps protect the body from damage by responding instantaneously to external stimuli, and has undergone a lot of research in the last century. This arc has been represented and taught using a variety of methods including diagrams, graphs, animations and mathematical equations [1, 2]. A missing connection in these methods can be seen between the complex mathematics used for research and a suitable visual representation for easier learning and understanding of the topic. A suitable combination could provide a powerful tool useful in both research and education. The Reflex Arc simulation, part of the Lindsay Virtual Human Project, proposes a novel way of combining a number of resources into one multi-scale model of the nervous system’s reflex response to pain. Among some of the advantages of the model are its high quality visual components with a level of abstraction that still keeps them easily recognizable, and the user’s ability to freely navigate around the three-dimensional space in which it is located and watch the path of the reflex arc from a distant or detailed perspective. The interaction processes are modeled following an agent-based programming paradigm [3]. Each agent, for instance the nociceptors in sensory neurons, act in accordance with the sharp object that triggers a response when the two collide. The agent-based model representation allows for user and global parameter changes while the simulation is running. This project and its future additions provides contents for a novel set of computational tools that can be used for a variety of research and educational purposes.
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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».