MétaCan
Menu
Retour à la cohorte
Enregistrement W2895821296 · doi:10.1101/448498

Visual plasticity and exercise revisited: no evidence for a “cycling lane”

2018· preprint· en· W2895821296 sur OpenAlexafffund
Abigail E Finn, Alex S. Baldwin, Alexandre Reynaud, Robert F. Hess

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueVisual perception and processing mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBinocular rivalryRivalryPsychologyOcular dominanceMonocular deprivationMonocularAudiologyPhysical medicine and rehabilitationNeuroscienceMedicineVisual perceptionVisual cortex

Résumé

récupéré en direct d'OpenAlex

Abstract Experiments using enriched environments have shown that physical exercise modulates visual plasticity in rodents. A recent study (Lunghi & Sale, 2015, doi: 10.1016/j.cub.2015.10.026) investigated whether exercise also affects visual plasticity in adult humans. The plastic effect they measured was the shift in ocular dominance caused by 2 hours of monocular deprivation (e.g. by an eye patch). They used a binocular rivalry task to measure this shift. They found that the magnitude of the shift was increased by exercise during the deprivation period. This effect of exercise was later disputed by a study that used a different behavioural task (Zhou et al. , 2017, doi: 10.1155/2017/4780876). Our goal was to determine whether the difference in task was responsible for that study’s failure to find an exercise effect. We set out to replicate Lunghi & Sale (2015). We measured ocular dominance with a rivalry task before and after 2 hours of deprivation. We measured data from two conditions in 30 subjects. On two separate days they either performed exercise or rested during the deprivation period. Contrary to the previous study, we find no significant effect of exercise. We hypothesise that exercise may affect rivalry dynamics in a way that interacts with the measurement of the deprivation effect.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,071
Tête enseignante GPT0,324
Écart entre enseignants0,253 · 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'étudeObservationnel
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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetVisual perception and processing mechanismsTravaux en français237 207