El espesor cortical en correlación con la sensibilidad al dolor y a la temperatura
Bibliographic record
Abstract
Está bien establecido que existe una variabilidad individual en la sensibilidad al dolor y a la temperatura. Los estudios de imágenes cerebrales funcionales han encontrado que la variabilidad interindividual al dolor por calor se correlaciona con la actividad cerebral en las áreas de modulación sensorial y del dolor. Así, es posible que esas diferencias individuales estén asociadas a la variabilidad en el espesor de la materia gris de las regiones corticales involucradas en la termorecepción y el dolor. Para probar esto, hemos investigado la relación entre los umbrales térmicos y el espesor cortical en 80 sujetos sanos. Los sujetos fueron sometidos a una sesión psicofísica para determinar sus umbrales en la detección de frío (DF), la detección de calor (DC), del dolor al frío (DolF) y dolor al calor (DolC). De cada sujeto se adquirió una imagen de resonancia magnética estructural de alta resolución. Hemos correlacionado cada medida del umbral al espesor cortical de las regiones asociadas a la termorecepción y al dolor. Los umbrales promedio (± DE) fueron 30.7°C (± 0.8) para DF, 33.8°C (± 0.7) para DC, 11.7°C (± 9.7) para DolF, y 45.3°C (± 2.8) para DolC. El análisis de la materia gris cerebral reveló una fuerte correlación entre una mayor sensibilidad térmica y dolorosa y el engrosamiento de la corteza somatosensorial primaria. Adicionalmente, la mayor sensibilidad a los estímulos fríos se correlacionó con el engrosamiento cortical del lóbulo paracentral, y una mayor DC se correlacionó con la disminución en el espesor en la corteza cingulada media anterior. Hemos encontrado además que una mayor sensibilidad al DolC se correlacionó con la disminución en el espesor de la corteza cingulada media posterior y la corteza orbitofrontal. Estas correlaciones entre la materia gris cerebral y la sensibilidad a la temperatura y al dolor proporcionan las bases neurales para las diferencias individuales en la sensibilidad térmica.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".