Effect of the closed‐loop hippocampal low‐frequency stimulation on seizure severity, learning, and memory in pilocarpine epilepsy rat model
Notice bibliographique
Résumé
AIMS: In this study, the anticonvulsant action of closed-loop, low-frequency deep brain stimulation (DBS) was investigated. In addition, the changes in brain rhythms and functional connectivity of the hippocampus and prefrontal cortex were evaluated. METHODS: Epilepsy was induced by pilocarpine in male Wistar rats. After the chronic phase, a tripolar electrode was implanted in the right ventral hippocampus and a monopolar electrode in medial prefrontal cortex (mPFC). Subjects' spontaneous seizure behaviors were observed in continuous video recording, while the local field potentials (LFPs) were recorded simultaneously. In addition, spatial memory was evaluated by the Barnes maze test. RESULTS: Applying hippocampal DBS, immediately after seizure detection in epileptic animals, reduced their seizure severity and duration, and improved their performance in Barnes maze test. DBS reduced the increment in power of delta, theta, and gamma waves in pre-ictal, ictal, and post-ictal periods. Meanwhile, DBS increased the post-ictal-to-pre-ictal ratio of theta band. DBS decreased delta and increased theta coherences, and also increased the post-ictal-to-pre-ictal ratio of coherence. In addition, DBS increased the hippocampal-mPFC coupling in pre-ictal period and decreased the coupling in the ictal and post-ictal periods. CONCLUSION: Applying closed-loop, low-frequency DBS at seizure onset reduced seizure severity and improved memory. In addition, the changes in power, coherence, and coupling of the LFP oscillations in the hippocampus and mPFC demonstrate low-frequency DBS efficacy as an antiepileptic treatment, returning LFPs to a seemingly non-seizure state in subjects that received DBS.
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 | 0,000 | 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 ».