Using Structural Equation Modeling to Investigate the Neural Basis of Altered Pain Processing in Fibromyalgia with Functional Magnetic Resonance Imaging
Notice bibliographique
Résumé
Participants with fibromyalgia (FM) and healthy controls (HC) experienced an identical ‘threat/safety’ experimental pain paradigm while undergoing functional magnetic resonance imaging (fMRI) to investigate the differences in pain processing between the two groups. In the ‘threat’ (Pain) imaging runs, participants were told that they would receive noxious heat stimuli to their right hands, calibrated to elicit subjectively moderate levels of pain. In the ‘safety’ (No-Pain) imaging runs, no stimulus was given. This design enabled the study of both continuous and reactive components of pain processing, as well as brain activity associated with anticipation and reward. The fMRI data were analyzed with a data-driven structural equation modeling approach, and significant group-level connectivity differences were identified in both study conditions, in both time periods of interest (Expectation, Stimulation). Group-level connectivity differences in the No-Pain condition occurred mainly during the expectation of pain, and involved regions associated with emotion and reward, suggesting FM may involve altered affective/reward processing. Group-level connectivity differences in the Pain condition occurred mainly during stimulation, with the FM group having decreased connectivity between the anterior cingulate cortex (ACC) and the amygdala, and increased connectivity between the posterior cingulate cortex (PCC) and the thalamus. The decreased ACC→Amygdala connectivity supports previous findings, suggesting FM likely involves altered responses in motivational-affective aspects of pain processing. The increased PCC→Thalamus connectivity may suggest the FM group experienced heightened saliency toward the noxious stimuli, which may contribute toward the mechanism which causes hyperalgesia in FM.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».