Identifying Individualized Neurophysiological Causal Features for Working Memory Performance: Implications for Non‐Invasive Brain Stimulation
Notice bibliographique
Résumé
Abstract Background Non‐invasive brain stimulation (NIBS) has been extensively used to target specific neural oscillations with the aim of improving working memory performance. However, current NIBS paradigms have two main limitations: first, lack of personalization and second, a need for a randomized controlled trial (RCT) to infer causality between targets of NIBS and subsequent performance. RCT is a powerful measure to infer causality, but its implementation is expensive, time consuming, and sometimes simply not possible. Therefore, our aim was to use computational models and observational data to discover causal relations between neural oscillations and working memory performance to identify potential targets and stimulation parameters for personalized NIBS paradigms. Method We used electroencephalography (EEG) data of 66 young healthy participants collected while performing a 3‐back working memory task. Using graphical causal modeling, we extracted individualized causal brain oscillations of 3‐back performance and compared the causal features between two groups: high and low performers. Result Total number of causal features in high performers was higher than low performers. Among the causal features, right temporal gamma oscillation was ∼5 times (z‐score = 3.87, p = 0.003) more frequently a causal feature among high performers than low performers. However, the power of causal temporal gamma oscillation was not different between the two groups. Conclusion Our findings suggest that a potential approach to improve working memory performance using NIBS is to induce more causal gamma oscillations by, for example, generating more local gamma entrainment over the right temporal cortex and not necessarily by increasing gamma power.
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 | 0,006 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».