MétaCan
Menu
Retour à la cohorte
Enregistrement W2987938602 · doi:10.1097/wnp.0000000000000582

Startle and the StartReact Effect: Physiological Mechanisms

2019· review· en· W2987938602 sur OpenAlexaff
Anthony N. Carlsen, Dana Maslovat

Notice bibliographique

RevueJournal of Clinical Neurophysiology · 2019
Typereview
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of British ColumbiaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésNeuroscienceStimulus (psychology)BrainstemStartle responseMoro reflexStartle reactionComputer scienceReflexPsychologyCognitive psychology

Résumé

récupéré en direct d'OpenAlex

It has been well documented that a prepared response can be triggered at short latency following the presentation of a loud acoustic stimulus that evokes a reflexive startle response. Different hypotheses have been proposed for this so-called "StartReact" effect, although there is still much debate surrounding the physiological mechanisms involved in the observed reduction in reaction time (RT). In this review, we outline the various neurophysiological explanations underlying the StartReact effect and summarize the data supporting, and at times opposing, each possibility. Collectively, the experimental results do not unequivocally support a single explanation and we suggest the most parsimonious mechanism may involve a hybrid framework involving a distribution of neural pathways. Specifically, we propose that multiple node networks at the cortical, brainstem, and spinal levels are involved in response preparation and initiation, and the relative contributions of these structures depends on the type of stimulus delivered and the type of movement required. This approach may lead to greater understanding of the pathways involved in response preparation, initiation, and execution for both healthy and motor disordered populations.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,171
Tête enseignante GPT0,436
Écart entre enseignants0,265 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations59
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical NeurophysiologyMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207