MétaCan
Menu
Retour à la cohorte
Enregistrement W3203839086 · doi:10.3390/brainsci11101312

The Self and Its Right Insula—Differential Topography and Dynamic of Right vs. Left Insula

2021· article· en· W3203839086 sur OpenAlexaff
Andrea Scalabrini, Angelika Wolman, Georg Northoff

Notice bibliographique

RevueBrain Sciences · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensRoyal Ottawa Mental Health CentreUniversity of Ottawa
Organismes subventionnairesHorizon 2020
Mots-clésInsulaPsychologyContext (archaeology)NeuroscienceBiology

Résumé

récupéré en direct d'OpenAlex

Various studies demonstrate a special role of the right compared to the left anterior insula in mediating our self. However, the neural features of the right insula that allow for its special role remain unclear. Presupposing a spatiotemporal model of self-"Basis model of self-specificity" (BMSS)-we here address the following question: what spatial-topographic and temporal-dynamic features render neural activity in the right insula to be more suitable in mediating self-specificity than the left insula? First, applying fMRI, we demonstrate that the right insula (i) exhibits higher degrees of centrality in rest, and (ii) higher context-dependent functional connectivity in a self-specific task among regions of distinct layers of self (intero-, extero-proprioceptive, and mental). Second, using EEG in rest and task, we show that the right insula shows longer autocorrelation window (ACW) in its neural activity than both left insula and other regions of the different layers of self. Together, we demonstrate special topographic, i.e., high functional connectivity, and dynamic, i.e., long ACW, neural features of the right insula compared to both left insula and other regions of the distinct layers of self. This suits neural activity in the right insula ideally for high functional integration and temporal continuity as key features of the self including its intero-, extero-proprioceptive, and mental layers.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,956

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,258
Écart entre enseignants0,243 · 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

Citations43
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207