It’s all connected! Multivariate pattern analysis of inter-network connectivity distinguishes between reappraisal and passive viewing of emotional scenes
Notice bibliographique
Résumé
Down-regulation using reappraisal is often associated with negative connectivity between prefrontal areas such as the dorsolateral prefrontal cortex (dlPFC) and areas associated with emotion such as the insula and amygdala, though a network perspective is often lacking in emotion regulation research. Whereas the dlPFC is associated with the attentional control network (ACN), the insula and amygdala are associated with the salience and limbic networks, respectively. The default mode network (DMN), including the ventromedial PFC, also contributes to emotion regulation. The present study sought to determine if inter-network functional connectivity can dissociate reappraising from passively viewing a negative image using multivariate pattern analysis (MVPA). Thirty-one participants completed a functional magnetic resonance imaging task in which they reappraised and viewed negative images. Behavioral and skin conductance response results indicated that reappraisal was associated with reductions in negative affect compared to viewing. The univariate connectivity analysis revealed that connections between aspects of the DMN and ACN differed between reappraising versus viewing negative images. Notably, the inter-network connectivity MVPA results demonstrated that whether one was reappraising versus viewing an image could be predicted better than chance, with several connections reliably contributing to the model, including those between ACN and DMN.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».