An Innovative EEG-Based Pain Identification and Quantification: A Pilot Study
Notice bibliographique
Résumé
Objective: The present pilot study aimed to propose an innovative scale-independent measure based on electroencephalographic (EEG) signals for the identification and quantification of the magnitude of chronic pain. Methods: EEG data were collected from three groups of participants at rest: seven healthy participants with pain, 15 healthy participants submitted to thermal pain, and 66 participants living with chronic pain. Every 30 s, the pain intensity score felt by the participant was also recorded. Electrodes positioned in the contralateral motor region were of interest. After EEG preprocessing, a complex analytical signal was obtained using Hilbert transform, and the upper envelope of the EEG signal was extracted. The average coefficient of variation of the upper envelope of the signal was then calculated for the beta (13–30 Hz) band and proposed as a new EEG-based indicator, namely Piqβ, to identify and quantify pain. Main results: The main results are as follows: (1) A Piqβ threshold at 10%, that is, Piqβ ≥ 10%, indicates the presence of pain, and (2) the higher the Piqβ (%), the higher the extent of pain. Conclusions: This finding indicates that Piqβ can objectively identify and quantify pain in a population living with chronic pain. This new EEG-based indicator can be used for objective pain assessment based on the neurophysiological body response to pain. Significance: Objective pain assessment is a valuable decision-making aid and an important contribution to pain management and monitoring.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».