MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414641261 · doi:10.1111/ejn.70575

Within- and Between- Channel Gaps Elicit Mismatch Negativity in the Aging Brain

2025· preprint· en· W4414641261 sur OpenAlexafffund
Victoria Duda, Sayeed A. D. Kizuk, Erica Ogier

Notice bibliographique

RevueEuropean Journal of Neuroscience · 2025
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeural dynamics and brain function
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMismatch negativityElectrophysiologyChannel (broadcasting)ElectroencephalographyProcess (computing)Negativity effect

Résumé

récupéré en direct d'OpenAlex

This study examined how older and younger adults process silent gaps in auditory stimuli by recording cortical evoked potentials using a multi-deviant paradigm that is compared to a psychophysical gap detection task. Participants passively listened to pairs of noise markers separated by silent intervals. Markers were either spectrally identical (within-channel) or spectrally distinct (between-channel) narrowband noises. Seven gap durations served as deviants in a multi-deviant sequence. The deviance-related negativity (DRN) and the P2/P3a were recorded from fronto-central electrodes. Thirty-two participants with normal hearing or minimal hearing loss participated in this study. They were separated into an older adult (mean age = 63 years) and younger adult (mean age = 24 years) group. Gapped deviants elicited DRN in both within- and between-channel conditions. Age effects emerged in the DRN and peak-to-peak DRN-P2/P3a measure. Older adults showed longer DRN latencies and reduced amplitudes compared to the younger group. Condition effects showed contrasting DRN latency patterns between groups. P2/P3a responses alone did not show any condition or age-specific effects. Behavioral gap detection thresholds did not differ across conditions in older adults. Overall, results demonstrate that electrophysiological indices reveal subtle neural alterations in temporal resolution that may precede behavioral decline.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,058
Tête enseignante GPT0,290
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Neuroscience→Même sujetNeural dynamics and brain function→Travaux en français237 207→