Reassessing the Functional Significance of Blood Oxygen Level Dependent Signal Variability
Notice bibliographique
Résumé
BOLD signal variability (SDBOLD) has emerged as a unique measure of the adaptive properties of neural systems that facilitate fast, stable responding, based on claims that SDBOLD is independent of mean BOLD signal (meanBOLD) and is a powerful predictor of behavioral performance. We challenge these two claims. First, the apparent independence of SDBOLD and meanBOLD may reflect the presence of deactivations; we hypothesize that although SDBOLD may not be related to raw meanBOLD, it will be linearly related to "absolute" meanBOLD. Second, the observed relationship between SDBOLD and performance may be an artifact of using fixed-length trials longer than RTs. Such designs provide opportunities to toggle between on- and off-task states, and fast responders likely engage in more frequent state-switching, thereby artificially elevating SDBOLD. We hypothesize that SDBOLD will be higher and more strongly related to performance when using such fixed-length trials relative to self-paced trials that terminate upon a response. We test these two hypotheses in an fMRI study using blocks of fixed-length or self-paced trials. Results confirmed both hypotheses: (1) SDBOLD was robustly related with absolute meanBOLD, and (2) toggling between on- and off-task states during fixed-length trials reliably contributed to SDBOLD. Together, these findings suggest that a reappraisal of the functional significance of SDBOLD as a unique marker of cognitive performance is warranted.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».