Inter-subject phase synchronization differentiates neural networks underlying physical pain empathy
Notice bibliographique
Résumé
Abstract Recent approaches for understanding the neural basis of pain empathy emphasize the dynamic construction of neural networks underlying this multifaceted social cognitive process. Inter-subject phase synchronization (ISPS) is an approach for exploratory analysis of task-based fMRI data that reveals brain networks dynamically synchronized to task-features across participants. We applied ISPS to task-fMRI data assessing vicarious pain empathy in a large sample of healthy participants (n=238). The task employed physical (limb) and affective (faces) painful and corresponding non-painful visual stimuli. ISPS revealed two distinct networks synchronized during physical pain observation, one encompassing anterior insula and midcingulate regions strongly engaged in (vicarious) pain, and another encompassing parietal and inferior frontal regions associated with social cognitive processes which may further modulate and support the physical pain empathic response. No robust network synchronization was observed while processing affective pain, possibly reflecting high inter-individual variation in response to socially transmitted pain experiences. ISPS also revealed networks related to task onset or general processing of physical (limb) or affective (face) stimuli which encompassed networks engaged in object manipulation or face processing, respectively. Together, the ISPS approach permits segregation of networks engaged in different psychological processes, providing additional insight into shared neural mechanisms of empathy for physical pain, but not affective pain, across individuals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».