Attention training modulates resting-state neurophysiological abnormalities in posttraumatic stress disorder
Notice bibliographique
Résumé
Recent research indicates the relative benefits of computerized attention control treatment (ACT) and attention bias modification treatment (ABMT) for posttraumatic stress disorder (PTSD); however, neural changes underlying these therapeutic effects remain unknown. This study examines how these two types of attention training modulate neurological dysfunction in veterans with PTSD. A community sample of 46 combat veterans with PTSD participated in a randomized double-blinded clinical trial of ACT versus ABMT and 32 of those veterans also agreed to undergo resting-state magnetoencephalography (MEG) recordings. Twenty-four veterans completed psychological and MEG assessments at pre- and post-training to evaluate treatment effects. MEG data were imaged using an advanced Bayesian reconstruction method and examined using statistical parametric mapping. In this report, we focus on the neural correlates and the differential treatment effects observed using MEG; the results of the full clinical trial have been described elsewhere. Our results indicated that ACT modulated occipital and ABMT modulated medial temporal activity more strongly than the comparative treatment. PTSD symptoms decreased significantly from pre- to post-test. These initial neurophysiological outcome data suggest that ACT modulates visual pathways, while ABMT modulates threat-processing regions, but that both are associated with normalizing aberrant neural activity in veterans with PTSD.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».