MétaCan
Menu
Retour à la cohorte
Enregistrement W2956578430 · doi:10.3389/fnbeh.2019.00170

The Bed Nucleus of the Stria Terminalis, Homeostatic Satiety, and Compulsions: What Can We Learn From Polydipsia?

2019· article· en· W2956578430 sur OpenAlexaff
Tomek J Banasikowski, Emily R. Hawken

Notice bibliographique

RevueFrontiers in Behavioral Neuroscience · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurotransmitter Receptor Influence on Behavior
Établissements canadiensQueen's UniversityProvidence Health Care
Organismes subventionnairesnon disponible
Mots-clésStria terminalisNeurosciencePsychologyThirstNucleusBiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

A compulsive phenotype characterizes several neuropsychiatric illnesses - including but not limited to - schizophrenia and obsessive compulsive disorder. Because of its perceived etiological heterogeneity, it is challenging to disentangle the specific neurophysiology that precipitates compulsive behaving. Using polydipsia (or non-regulatory water drinking), we describe candidate neural substrates of compulsivity. We further postulate that aberrant neuroplasticity within cortically projecting structures [i.e., the bed nucleus of the stria terminalis (BNST)] and circuits that encode homeostatic emotions (thirst, hunger, satiety, etc.) underlie compulsive drinking. By transducing an inaccurate signal that fails to represent true homeostatic state, cortical structures cannot select appropriate and adaptive actions. Additionally, augmented dopamine (DA) reactivity in striatal projections to and from the frontal cortex contribute to aberrant homeostatic signal propagation that ultimately biases cortex-dependent behavioral selection. Responding becomes rigid and corresponds with both erroneous, inflexible encoding in both bottom-up structures and in top-down pathways. How aberrant neuroplasticity in circuits that encode homeostatic emotion result in the genesis and maintenance of compulsive behaviors needs further investigation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,284
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0020,000
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 Opus0,030
Tête enseignante GPT0,280
Écart entre enseignants0,251 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Behavioral NeuroscienceMême sujetNeurotransmitter Receptor Influence on BehaviorTravaux en français237 207