MétaCan
Menu
Retour à la cohorte
Enregistrement W4402047338 · doi:10.3390/brainsci14090883

Ongoing Dynamics of Peak Alpha Frequency Characterize Hypnotic Induction in Highly Hypnotic-Susceptible Individuals

2024· article· en· W4402047338 sur OpenAlexafffund
Mathieu Landry, Jason da Silva Castanheira, Floriane Rousseaux, Pierre Rainville, David Ogez, Karim Jerbi

Notice bibliographique

RevueBrain Sciences · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensMila - Quebec Artificial Intelligence InstituteInstitut Universitaire de Gériatrie de MontréalUniversité de MontréalHôpital Maisonneuve-RosemontUniversité du Québec à Trois-Rivières
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesFonds de recherche du QuébecFundação BialNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésHypnoticAlpha (finance)Dynamics (music)PsychologyNeuroscienceMedicinePharmacologyClinical psychologyPsychometrics

Résumé

récupéré en direct d'OpenAlex

Hypnotic phenomena exhibit significant inter-individual variability, with some individuals consistently demonstrating efficient responses to hypnotic suggestions, while others show limited susceptibility. Recent neurophysiological studies have added to a growing body of research that shows variability in hypnotic susceptibility is linked to distinct neural characteristics. Building on this foundation, our previous work identified that individuals with high and low hypnotic susceptibility can be differentiated based on the arrhythmic activity observed in resting-state electrophysiology (rs-EEG) outside of hypnosis. However, because previous work has largely focused on mean spectral characteristics, our understanding of the variability over time of these features, and how they relate to hypnotic susceptibility, is still limited. Here we address this gap using a time-resolved assessment of rhythmic alpha peaks and arrhythmic components of the EEG spectrum both prior to and following hypnotic induction. Using multivariate pattern classification, we investigated whether these neural features differ between individuals with high and low susceptibility to hypnosis. Specifically, we used multivariate pattern classification to investigate whether these non-stationary neural features could distinguish between individuals with high and low susceptibility to hypnosis before and after a hypnotic induction. Our analytical approach focused on time-resolved spectral decomposition to capture the intricate dynamics of neural oscillations and their non-oscillatory counterpart, as well as Lempel-Ziv complexity. Our results show that variations in the alpha center frequency are indicative of hypnotic susceptibility, but this discrimination is only evident during hypnosis. Highly hypnotic-susceptible individuals exhibit higher variability in alpha peak center frequency. These findings underscore how dynamic changes in neural states related to alpha peak frequency represent a central neurophysiological feature of hypnosis and hypnotic susceptibility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,217
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,298
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207