Resting-State Network Functional Connectivity Patterns Associated with the Mindful Attention Awareness Scale
Notice bibliographique
Résumé
Mindfulness refers to attending to moment-to-moment experiences with acceptance and no judgment. Several scales have been developed to quantify different components of mindfulness. The Mindful Attention Awareness Scale (MAAS) is particularly sensitive to trait mindfulness and is proposed to measure the attentional component of mindfulness. The purpose of this study was to identify the neural correlates of the MAAS in four resting-state networks related to attention-the default mode network (DMN), the salience network (SN), and the left and right central executive network (CEN). Thirty-two university students naive to mindfulness completed the MAAS and later underwent a resting-state functional magnetic resonance imaging scan. Resting-state data were analyzed using an independent component analysis; the scores from the MAAS were covaried to the connectivity maps in an analysis of covariance. The results indicate that variations in MAAS scores correlated with variations in functional connectivity patterns in resting-state networks. Specifically, within the SN and CEN, the MAAS was negatively correlated with functional connectivity in the precuneus, even though the precuneus is a key component of the DMN. Negative correlations in the DMN between the MAAS and the insula and negative correlations in the SN between the MAAS and the posterior cingulate cortex were also observed. These results suggest that MAAS scores (1) are correlated with the functional connectivity of several brain structures related to attention and (2) involve cross-network functional connectivity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».