MétaCan
Menu
Retour à la cohorte
Enregistrement W2991841285 · doi:10.1371/journal.pone.0224669

Functional connectivity dynamics slow with descent from wakefulness to sleep

2019· article· en· W2991841285 sur OpenAlexafffund
Mazen El-Baba, Daniel J. Lewis, Zhuo Fang, Adrian M. Owen, Stuart Fogel, J. Bruce Morton

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensRoyal Ottawa Mental Health CentreUniversity of OttawaWestern UniversityUniversity of Toronto
Organismes subventionnairesRobarts Research InstituteNatural Sciences and Engineering Research Council of CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaCanada Excellence Research Chairs, Government of Canada
Mots-clésWakefulnessSleep (system call)NeuroscienceElectroencephalographyDynamic functional connectivityPsychologyFunctional connectivityComputer science

Résumé

récupéré en direct d'OpenAlex

The transition from wakefulness to sleep is accompanied by widespread changes in brain functioning. Here we investigate the implications of this transition for interregional functional connectivity and their dynamic changes over time. Simultaneous EEG-fMRI was used to measure brain functional activity of 21 healthy participants as they transitioned from wakefulness into sleep. fMRI volumes were independent component analysis (ICA)-decomposed, yielding 42 neurophysiological sources. Static functional connectivity (FC) was estimated from independent component time courses. A sliding window method and k-means clustering (k = 7, L2-norm) were used to estimate dynamic FC. Static FC in Wake and Stage-2 Sleep (NREM2) were largely similar. By contrast, FC dynamics across wake and sleep differed, with transitions between FC states occurring more frequently during wakefulness than during NREM2. Evidence of slower FC dynamics during sleep is discussed in relation to sleep-related reductions in effective connectivity and synaptic strength.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,925

Scores Codex et Gemma par catégorie

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

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 Opus0,041
Tête enseignante GPT0,213
Écart entre enseignants0,172 · 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

Citations32
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207