The nucleus accumbens-prefrontal connectivity as a predictor of chronic low back pain
Notice bibliographique
Résumé
ABSTRACT: The nucleus accumbens (NAc) and its prefrontal connections are implicated in the aetiology of chronic low back pain (CLBP). Animal and human studies suggest that the NAc and its connections play a critical role in the transition from acute to CLBP. However, whole-brain connectivity in individuals with longstanding CLBP has not been systematically investigated. Using a functional connectomics approach, we examined whether the 2 NAc subregions-shell and core-exhibit different whole-brain connectivity between CLBP patients and healthy controls (HCs; total N = 197). The identified connections were correlated with CLBP intensity (multiple comparisons corrected), and their reproducibility was validated in 2 independent cohorts. These clinically relevant and reproducible connections were further leveraged to classify CLBP using machine learning. Compared with HC (n = 41), individuals with CLBP (n = 39) exhibited hyperconnectivity between the NAc shell and core and the prefrontal cortex (PFC). Although several NAc-PFC connections were linked to higher CLBP intensity, only the connections between the left NAc shell and core to the right dorsolateral PFC were reproduced in validation cohorts (total CLBP n = 53; HC n = 64). Nucleus accumbens-right dorsolateral PFC connections achieved 84% classification accuracy using logistic regression. The machine learning analyses demonstrate how knowledge-based feature selection can reliably detect CLBP. Overall, we report that NAc-PFC connectivity consistently distinguishes people with CLBP from HC and suggest an abnormal interaction between the NAc and brain regions involved in motivation, decision-making, and pain regulation.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,003 | 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 ».