Coordinated Human Brainstem and Spinal Cord Networks during the Expectation of Pain Have Elements Unique from Resting-State Effects
Notice bibliographique
Résumé
Functional magnetic resonance imaging (fMRI) research on the human brainstem (BS) and spinal cord (SC) has identified extensive BS/SC resting-state networks (RSNs) by showing spontaneous coordinated blood oxygenation-level dependent (BOLD) signal fluctuations in the absence of a stimulus. Studies have shown that these networks can be influenced by participants’ level of arousal or attention (e.g., watching a video), and linked network function to autonomic homeostatic regulation. Here we explore how the cognitive state of expecting pain can influence connectivity in these networks. Data from two studies (a predictable pain stimulus study, and a resting-state study) were compared to show the effects of expecting pain on BS/SC networks, and how networks differed from networks associated with the resting-state. In each study, BOLD fMRI data were obtained from the cervical SC and brainstem in healthy participants at 3 tesla using a T2-weighted single-shot fast spin-echo imaging method. Functional connectivity was investigated within the entire 3D volume by means of structural equation modeling (SEM) and analyses of covariance (ANCOVA). Results showed extensive connectivity within/across BS and SC regions during the expectation of pain, and ANCOVA analyses showed that connectivity in specific components of these networks varied with individual pain sensitivity. Comparing these results to RSN fluctuations revealed commonalities in coordination between BS and SC regions, and specific BS–BS connectivity fluctuations unique to the expectation of pain. Based on the regions involved, these results provide evidence of brainstem regulation specific to the expectation of pain.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».