Computational analysis of two novel deep brain stimulation pulsing patterns on a thalamocortical network model of Parkinson’s disease
Notice bibliographique
Résumé
Deep brain stimulation (DBS) at high frequencies has revolutionized efforts to alleviate Parkinson's disease symptoms for approximately 30 years. Since then, there has been vast investigation into the mechanisms of action of DBS. Recently, synaptic suppression was found to play a pivotal role in the fundamental mechanisms underlying DBS. Based on this understanding, researchers introduced two novel DBS pulsing strategies that use a minimal number of stimuli. In contrast to conventional DBS (cDBS) pulsing, which employs continuous high-frequency pulses (>100 Hz), the two novel methods incorporate changes in pulsing frequency and on/off pulsing periods. In this computational study, we investigated the network effects of these two suggested patterns using an updated version of a biophysically realistic thalamocortical network model of DBS. Both suggested pulsing patterns significantly reduced the exaggerated beta power (∼13 Hz-30 Hz oscillations) in the motor cortex, with careful consideration of the intensity of the stimulating pulses. In addition, they significantly reduced the level of network synchronization. We compared these findings with the effects of 20 and 130 Hz cDBS on our network model and did not observe effects contrary to those of 130 Hz cDBS. The two suggested patterns, which were computationally successful in reproducing known DBS network effects, could potentially increase the battery life of DBS device and reduce the microlesion effect associated with long-term cDBS pulsing. These outcomes, however, require confirmation in further studies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».