Modeling the Action–Perception Loop and its role in Phantom Limb Pain using Active Inference
Notice bibliographique
Résumé
Abstract Phantom limb pain is among the most prevalent and distressing consequences of limb amputation. Theories regarding its underlying mechanisms remain disputed, contributing to challenges in effectively treating the pain. In recent years, mathematical models grounded in the Bayesian inference framework have been used to describe various aspects of pain perception. However, pain is not only passively inferred but actively shaped through interactions with the environment—a dimension that classical Bayesian approaches typically do not capture. Because amputation disrupts both sensory input related to the limb and the ability to perform actions, a model incorporating both sensory and active components of pain may provide new insight into the mechanisms underlying phantom limb pain. To this end, we developed a model within the active inference framework, which extends Bayesian inference to include action selection. The model provides a conceptual account of how loss of limb control, ambiguity in sensory input pertaining to limb position, residual noxious input, and pre-amputation pain may contribute to the emergence and persistence of phantom limb pain. Furthermore, it offers insight into the possible mechanisms underlying common interventions and may help account for their variable efficacy across individuals. Author summary Phantom limb pain is a condition where pain is perceived as arising from a limb that is no longer present. Despite being one of the most prevalent and distressing consequences of limb amputation, theories regarding the underlying mechanism of phantom limb pain remain disputed. Here, we present a mathematical model that investigates possible mechanisms underlying this complex pain condition. Using the active inference framework, which combines sensory perception and action selection processes, the model provides a conceptual account of how four distinct factors – loss of control of the limb, ambiguity in sensory input pertaining to limb position, residual activity in afferent nociceptive neurons, and pre-amputation pain – may contribute to the emergence and persistence of phantom limb pain following amputation. Furthermore, our model offers insight into the possible mechanisms underlying common interventions and may help explain why their efficacy varies across individuals.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».