Unique brain regions involved in positive versus negative emotional modulation of pain
Notice bibliographique
Résumé
Background and aims Research has shown that negative emotions increase perceived pain whereas positive emotions reduce pain. Here we aim to investigate the neural mechanisms underlying this phenomenon. Methods While undergoing functional magnetic resonance imaging of the brain, 20 healthy adult females were presented with negative, neutral, and positive emotion-evoking visual stimuli in combination with the presentation of a noxious thermal stimulus to the hand. Participants rated the intensity and unpleasantness of the noxious thermal stimulus during each of the valence conditions. General linear model analyses were performed on the imaging data for each valence condition and specific contrasts were run. Results Significant differences were detected for the emotional modulation of pain (EMP) between the positive and negative conditions. Unique to the positive condition, there was increased activity in the inferior parietal, parahippocampal/perirhinal, precuneus/superior parietal, and the prefrontal cortices. Unique to the negative condition, there was increased activity in anterior and posterior cingulate and angular gyrus. Conclusions Positive and negative EMP appear to involve different brain regions. Implications Although there is some overlap in the brain regions involved in the positive and negative EMP, brain regions unique to each condition are identified and, moreover, the regions identified are involved in internal and external focus, respectively, pointing to a potential mechanism underlying this phenomenon.
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 | 0,003 | 0,001 |
| 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) | 0,000 | 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 ».