Multiple, not just Beta–Gamma, phase-amplitude couplings are associated with Parkinson’s disease and related intervention effects
Notice bibliographique
Résumé
OBJECTIVE: 1) To evaluate the importance of various EEG Phase Amplitude Couplings (PACs) in predicting motor vigor (MV) in Parkinson's Disease (PD). 2) To determine the effects of dopaminergic medication and non-invasive galvanic vestibular stimulation (GVS) on MV-related PACs. METHODS: EEG data from 18 PD patients in comparison to 20 HC controls, executing a simple overlearned handgrip task was used, to identify PD-specific alterations. A deep learning model, PACNET, based on the VGG-16 architecture, was used to predict MV from a visual representation of different PACs. RESULTS: Delta-Beta, Theta-, Alpha-, and Beta-Gamma PACs were important for MV prediction. In PD subjects, GVS affected Delta-Beta, and Theta-, Beta- Gamma PAC's role in MV prediction in a stimulation-specific manner. Delta-Beta and Theta-Gamma PACs were more relevant for PD patients' MV prediction after L-dopa medication. CONCLUSIONS: Multiple PACs are important for MV in Parkinson's disease. Therapeutic interventions affect PAC/MV associations. SIGNIFICANCE: Multiple PACs, not just Beta-Gamma, are important for MV in PD and may serve as targets for neuromodulation strategies. A combined assessment of PACs could be a valuable biomarker for both disease evaluation and therapeutic effects in PD.
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) | 0,000 | 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) | 0,001 | 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 ».