Neural correlates of trait anxiety in sensory processing and distractor filtering
Notice bibliographique
Résumé
Evidence suggests that trait anxiety relates to cognitive processing and behavior. However, the relationships between trait anxiety and sensory processing, goal-directed performance and sensorimotor function are unclear, particularly in a multimodal context. This study used electroencephalography to evaluate whether trait anxiety influenced visual and tactile event-related potentials (ERPs), as well as behavioral distractor cost, in a bimodal sensorimotor task. Twenty-nine healthy young adults completed the State-Trait Anxiety Inventory. Participants were directed to focus on either tactile or visual stimuli while disregarding the other modality, responding to target stimulus amplitude with a proportional grip. Previous research suggests that somatosensory N70 and visual P2 ERPs serve as markers of attentional relevance, with attention also impacting the visual P3 ERP. It was hypothesized that trait anxiety would modulate the ERPs susceptible to attentional modulation (tactile N70, visual P2 and P3) and not affect behavioral performance. Trait anxiety showed a large, significant interaction with attention for visual P3 latency in response to unimodal visual stimuli, with a positive relationship between P3 latencies and trait anxiety when attending toward the stimulus and negative when attending away. A large, positive main effect of trait anxiety on visual N1 amplitude for bimodal stimuli was also detected. As predicted, trait anxiety related to ERPs but not behavioral distractor cost. These findings suggest that trait anxiety modulates visual but not somatosensory processing correlates based on attention. The absence of overt behavioral performance effects suggests compensatory mechanisms may offset underlying differences in sensory processing.
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 ».