Investigating the Impact of a Mindfulness Intervention on Rumination Patterns via a Source Imaging Approach
Notice bibliographique
Résumé
To determine the structures involved in rumination a source-imaging approach was adopted using surface EEG signals. For the purpose of this paper, 17 participants were included: 9 from the low-ruminating group and 8 from the high-ruminating group. Data from the remaining 63 participants will be collected and analyzed for future publication. Participants performed rumination questionnaires, followed by in-lab EEG sessions where their brain activity was measured during resting state for 5 minutes. During the resting-state data collection, the participants were asked to close their eyes and relax; this was to minimize the effects of blink artifacts and lateral eye movements within the data.Using a Linearly Constrained Minimal Variance (LCMV) beamformer, the participant’s EEG data was analyzed within spatial coordinates to determine regions of increased neural activation while at a resting state. The findings determine that there were visual differences between the low-ruminating and the high-ruminating group, most notably the increased activation of the ventromedial prefrontal cortex (vmPFC) in the low-ruminating group and the increased activation of limbic structures in the high-ruminating group. Although differences are shown through visual inspection, the validity of the study can be improved with the inclusion of statistical analyses comparing the high activation regions between both the low-ruminating and high-ruminating group. This study was able to provide evidence that beamforming can be used to determine the structures involved in rumination and opens avenues for future research within this field including determining whether a statistically significant difference in rumination patterns can be observed after a mindfulness intervention. This will be investigated in a future publication.
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 ».