MétaCan
Menu
← Retour à la cohorte
Enregistrement W3094578611 · doi:10.1016/j.neuroimage.2020.117473

Single-trial averaging improves the physiological interpretation of contact heat evoked potentials

2020· article· en· W3094578611 sur OpenAlexaff
Catherine R. Jutzeler, Lukas D. Linde, Jan Rösner, Michèle Hubli, Armin Curt, John L. K. Kramer

Notice bibliographique

RevueNeuroImage · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePain Mechanisms and Treatments
Établissements canadiensInternational Collaboration On Repair DiscoveriesUniversity of British Columbia
Organismes subventionnairesSwiss Transplant Cohort StudyHartmann Müller-Stiftung für Medizinische ForschungUniversität ZürichSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésAudiologyPsychologyLatency (audio)StatisticsIntensity (physics)Physical medicine and rehabilitationMedicineMathematicsComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Laser and contact heat evoked potentials (LEPs and CHEPs, respectively) provide an objective measure of pathways and processes involved in nociception. The majority of studies analyzing LEP or CHEP outcomes have done so based on conventional, across-trial averaging. With this approach, evoked potential components are potentially confounded by latency jitter and ignore relevant information contained within single trials. The current study addressed the advantage of analyzing nociceptive evoked potentials based on responses to noxious stimulations within each individual trial. Single-trial and conventional averaging were applied to data previously collected in 90 healthy subjects from 3 stimulation locations on the upper limb. The primary analysis focused on relationships between single and across-trial averaged CHEP outcomes (i.e., N2P2 amplitude and N2 and P2 latencies) and subject characteristics (i.e., age, sex, height, and rating of perceived intensity), which were examined by way of linear mixed model analysis. Single-trial averaging lead to larger N2P2 amplitudes and longer N2 and P2 latencies. Age and ratings of perceived intensity were the only subject level characteristics associated with CHEPs outcomes that significantly interacted with the method of analysis (conventional vs single-trial averaging). The strength of relationships for age and ratings of perceived intensity, measured by linear fit, were increased for single-trial compared to conventional across-trial averaged CHEP outcomes. By accounting for latency jitter, single-trial averaging improved the associations between CHEPs and physiological outcomes and should be incorporated as a standard analytical technique in future studies.

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)0,008
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,024
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,043
Tête enseignante GPT0,282
Écart entre enseignants0,238 · 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'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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImage→Même sujetPain Mechanisms and Treatments→Travaux en français237 207→