High and Low-Frequency Stimulation Effect on Epileptiform Activity in Brain Slices
Notice bibliographique
Résumé
Background: Neurostimulation is one of the new therapeutic approaches in patients with drug-resistant epilepsy, and despite its high efficiency, its mechanism of action is still unclear. On the one hand, electrical stimulation in the human brain is immoral; on the other hand, the creation of the epilepsy model in laboratory animals affects the entire brain network. As a result, one of the ways to achieve the neurostimulation mechanism is to use epileptiform activity models In vitro. In vitro models, by accessing the local network from the whole brain, we can understand the mechanisms of action of neurostimulation. Methods: A literature search using scientific databases including PubMed, Google Scholar, and Scopus, using "Neurostimulation" and "epileptiform activity" combined with "high-frequency stimulation", " low-frequency stimulation ", and "brain slices" as keywords were conducted, related concepts to the topic gathered and are used in this paper. Results: Electrical stimulation causes neuronal depolarization and the release of GABAA, which inhibits neuronal firing. Also, electrical stimulation inhibits the nervous tissue downstream of the stimulation site by preventing the passage of nervous activity from the upstream to the downstream of the axon. Conclusion: Neurostimulation techniques consisting of LFS and HFS have a potential role in treating epileptiform activity, with some studies having positive results. Further investigations with larger sample sizes and standardized outcome measures can be conducted to validate the results of previous 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 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 | 0,002 |
| 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 ».