MétaCan
Menu
Retour à la cohorte
Enregistrement W2883206457 · doi:10.1523/jneurosci.0578-18.2018

Abnormal Low-Frequency Oscillations Reflect Trait-Like Pain Ratings in Chronic Pain Patients Revealed through a Machine Learning Approach

2018· article· en· W2883206457 sur OpenAlexafffund
Anton Rogachov, Joshua C. Cheng, Kasey S. Hemington, Rachael L. Bosma, Junseok A. Kim, Natalie R. Osborne, Robert D. Inman, Karen D. Davis

Notice bibliographique

RevueJournal of Neuroscience · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensOntario Brain InstituteToronto Western HospitalKrembil FoundationUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchMAYDAY Fund
Mots-clésChronic painNeuroscienceDefault mode networkConnectomeBrain activity and meditationPosterior cingulateCingulate cortexResting state fMRIMagnetoencephalographyPsychologyMedicineAnterior cingulate cortexThalamusElectroencephalographyFunctional magnetic resonance imagingFunctional connectivityCentral nervous systemCognition

Résumé

récupéré en direct d'OpenAlex

Measures of moment-to-moment fluctuations in brain activity of an individual at rest have been shown to be a sensitive and reliable metric for studying pathological brain mechanisms across various chronic pain patient populations. However, the relationship between pathological brain activity and clinical symptoms are not well defined. Therefore, we used regional BOLD signal variability/amplitude of low-frequency oscillations (LFOs) to identify functional brain abnormalities in the dynamic pain connectome in chronic pain patients that are related to chronic pain characteristics (i.e., pain intensity). Moreover, we examined whether there were sex-specific attributes of these functional brain abnormalities and whether functional brain abnormalities in patients is related to pain intensity characteristics on different time scales. We acquired resting-state functional MRI and quantified frequency-specific regional LFOs in chronic pain patients with ankylosing spondylitis. We found that patients exhibit frequency-specific aberrations in LFOs. Specifically, lower-frequency (slow-5) abnormalities were restricted to the ascending pain pathway (thalamus and S1), whereas higher-frequency abnormalities also included the default mode (i.e., posterior cingulate cortex; slow-3, slow-4) and salience (i.e., mid-cingulate cortex) networks (slow-4). Using a machine learning approach, we found that these abnormalities, in particular within higher frequencies (slow-3), can be used to make generalizable inferences about patients' average pain ratings (trait-like pain) but not current (i.e., state-like) pain levels. Furthermore, we identified sex differences in LFOs in patients that were not present in healthy controls. These novel findings reveal mechanistic brain abnormalities underlying the longer-lasting symptoms (trait pain intensity) in chronic pain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,059
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,059
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,284
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations53
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207