The visual representation of pain facial expressions: a high-definition transcranial direct current stimulation study
Notice bibliographique
Résumé
As pain and empathy neural signatures share a great deal of resemblance, this social competence has often been linked to the adequacy of pain estimation, a highly adaptive yet frequently inaccurate perceptual skill. It was recently suggested that the neurostimulation of the right inferior frontal gyrus (rIFG), a key region of this network, could temporarily alter empathic abilities. Nonetheless, the impact of these neural processes on pain perception in faces, namely the estimation bias and the ability to detect the expression’s fine variations (called sensitivity) remains unclear. We applied high-definition transcranial direct current stimulation over the rIFG of 22 participants but previous results of empathy diminution, as measured by the Multifaceted Empathy Test, were not replicated in the present study [𝘍(2, 42)=.57, 𝘱=.57]. Visual representations (VRs) of pain facial expressions were extracted using the data-driven method Reverse correlation. Pixel-by-pixel analyses were conducted: a repeated measure ANOVA showed no effect of stimulation conditions [𝘱’s≥.24] but a one-sample t-test confirmed the presence of facial features typically associated with pain percept in our participants’ VR [𝘛𝘤𝘳𝘪𝘵=2.3, 𝘬=461, 𝘱<.05]. These classification images were then submitted to the OpenFace algorithm which revealed classical pain signals were almost systematically activated (AU4, AU7, AU9 & AU10). Noticeably, these VRs were still rated as primarily expressing disgust, sadness, and anger by an independent group (𝘕=30). Additionally, our sample exhibited a clear underestimation tendency [𝜇=-1.54], a suboptimal sensitivity level [𝜇=-.40], and these two parameters were not correlated [𝘳=-.26, 𝘱=.24], thus replicating previous work. The degree of variability revealed in the visual representations, as well as the ambiguity they seem to generate, may reflect some overlap in emotional representations. It would be interesting to explore the variability in those overlaps and assess how it may influence individuals’ ability to estimate pain.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».