Toward the unity of pathological and exertional fatigue: A predictive processing model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Fatigue is a common experience in both health and disease. Yet, pathological (i.e., prolonged or chronic) and transient (i.e., exertional) fatigue symptoms are traditionally considered distinct, compounding a separation between interested research fields within the study of fatigue. Within the clinical neurosciences, nascent frameworks position pathological fatigue as a product of inference derived through hierarchical predictive processing. The metacognitive theory of dyshomeostasis (Stephan et al., 2016) states that pathological fatigue emerges from the metacognitive mechanism in which the detection of persistent mismatches between prior interoceptive predictions and ascending sensory evidence (i.e., prediction error) signals low evidence for internal generative models, which undermine an agent's feeling of mastery over the body and is thus experienced phenomenologically as fatigue. Although acute, transient subjective symptoms of exertional fatigue have also been associated with increasing interoceptive prediction error, the dynamic computations that underlie its development have not been clearly defined. Here, drawing on the metacognitive theory of dyshomeostasis, we extend this account to offer an explicit description of the development of fatigue during extended periods of (physical) exertion. Accordingly, it is proposed that a loss of certainty or confidence in control predictions in response to persistent detection of prediction error features as a common foundation for the conscious experience of both pathological and nonpathological fatigue.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle