MétaCan
Menu
Retour à la cohorte
Enregistrement W4389959500 · doi:10.1097/j.pain.0000000000003099

Fear and pain slow the brain

2023· article· en· W4389959500 sur OpenAlexaffabout
Ali Mazaheri, Andrew J. Furman

Notice bibliographique

RevuePain · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensWestern University
Organismes subventionnairesNational Institute of Neurological Disorders and Stroke
Mots-clésMedicinePsychologyNeurosciencePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

Neurophysiological signals detected non-invasively at the scalp using techniques such as EEG/MEG contain rhythms (oscillatory activity) occurring at distinct frequency bands.The predominant rhythm in healthy humans occurs between the bandwidth of 8-14 Hz, and is commonly referred to as the alpha rhythm.The frequency within the alpha band where power is maximal is called the peak alpha frequency (PAF) or individual alpha frequency.PAF varies considerably between individuals [10; 15] and this variability is believed to play a role in the individual differences in perceptual ability and temporal binding of sensory information [1; 9; 21; 23].The relationship of PAF to both acute and chronic pain is an exciting area currently under investigation by multiple laboratories.Patients with chronic pain often exhibit changes in alpha rhythms, particularly slower PAF, when compared to control subjects [26], and the degree of PAF slowing has been found to correlate with chronic pain duration [4].One interpretation of this PAF slowing is that it reflects brain processes that actively maintain chronic pain, such as excess "inhibition or disfacilitation" brought about by ongoing pain [16].An alternative interpretation is that slower PAF reflects processes related to higher pain sensitivity and an increased disposition to develop chronic pain that predate disease onset.This latter interpretation is supported by a series of studies of acute pain in heathy subjects, which found that an individual's PAF recorded during a pain-free rest period was negatively correlated with the intensity of a future pain event [6][7][8].This work has undergone initial clinical validation: in a cohort of patients undergoing thoracotomy, PAF collected prior to surgery was able to predict the severity of post-surgery pain [20].Thus, PAF has been suggested as a biomarker of pain sensitivity which has been hypothesized to be a key factor in the transition from acute to chronic pain [11].Precisely how PAF fits into the myriad of biological, social, and psychological factors involved in the transition from acute to chronic pain has remained unexplored.One of these

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0230,001

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 GPT0,268
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePainMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207