Responsiveness variability during anaesthesia relates to inherent differences in brain structure and function of the frontoparietal networks
Notice bibliographique
Résumé
Anaesthesia combined with functional neuroimaging provides a powerful approach for understanding the brain mechanisms of consciousness. Although propofol is used ubiquitously in clinical interventions that reversibly suppress consciousness, it shows large inter-individual variability, and the brain bases of this variability remain poorly understood. We asked whether three networks key to conscious cognition-the dorsal attention (DAN), executive control (ECN), and default mode (DMN)-underlie responsiveness variability under anaesthesia. Healthy participants (N = 17) were moderately anaesthetized during narrative understanding and resting-state conditions inside the Magnetic Resonance Imaging scanner. A target detection task measured behavioural responsiveness. An independent behavioural study (N = 25) qualified the attention demands of narrative understanding. Then, 30% of participants were unaffected in their response times, thus thwarting a key aim of anaesthesia-the suppression of behavioural responsiveness. Individuals with stronger functional connectivity within the DAN and ECN, between them, and to the DMN, and with larger grey matter volume in frontal regions were more resilient to anaesthesia. For the first time, we show that responsiveness variability during propofol anaesthesia relates to inherent differences in brain structure and function of the frontoparietal networks, which can be predicted prior to sedation. Results highlight novel markers for improving awareness monitoring during clinical anaesthesia.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».