Sex differences in brain modular organization in chronic pain
Notice bibliographique
Résumé
ABSTRACT: Men and women can exhibit different pain sensitivities, and many chronic pain conditions are more prevalent in one sex. Although there is evidence of sex differences in the brain, it is not known whether there are sex differences in the organization of large-scale functional brain networks in chronic pain. Here, we used graph theory with modular analysis and machine-learning of resting-state-functional magnetic resonance imaging data from 220 participants: 155 healthy controls and 65 individuals with chronic low back pain due to ankylosing spondylitis, a form of arthritis. We found an extensive overlap in the graph partitions with the major brain intrinsic systems (ie, default mode, central, visual, and sensorimotor modules), but also sex-specific network topological characteristics in healthy people and those with chronic pain. People with chronic pain exhibited higher cross-network connectivity, and sex-specific nodal graph properties changes (ie, hub disruption), some of which were associated with the severity of the chronic pain condition. Females exhibited atypically higher functional segregation in the mid cingulate cortex and subgenual anterior cingulate cortex and lower connectivity in the network with the default mode and frontoparietal modules, whereas males exhibited stronger connectivity with the sensorimotor module. Classification models on nodal graph metrics could classify an individual's sex and whether they have chronic pain with high accuracies (77%-92%). These findings highlight the organizational abnormalities of resting-state-brain networks in people with chronic pain and provide a framework to consider sex-specific pain therapeutics.
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 | 0,002 | 0,101 |
| 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 | 0,000 | 0,000 |
| 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 ».