Grant: Master's Award: Canada Graduate Scholarships
Université Laval
$17,500.00
Développement et validation de modèles prédictifs de la douleur perçue en électroencéphalographie
EF 2022-23
Résumé
La douleur est la raison principale de consultation d'un médecin et la source la plus importante d'invalidité chez la population adulte active au Canada. La nature subjective de la douleur représente un défi pour sa mesure et son traitement. En effet, la majorité des échelles et des questionnaires utilisés en clinique reposent sur les symptômes qui sont grandement influencés par plusieurs facteurs et ne sont que modérément fiables. De nombreux efforts ont été consacrés à créer des marqueurs de douleur permettant de mesurer la douleur en utilisant l'activité cérébrale enregistrée par électroencéphalographie (EEG) pour compléter les rapports subjectifs. Or, ces tentatives antérieures sont limitées par l'utilisation de petits échantillons et d'analyses univariées ne permettant pas d'utiliser la riche nature multivariée des signaux EEG. L'objectif principal de ce projet est d'identifier des modèles prédictifs sensibles, spécifiques et fiables de la perception de la douleur chez les individus à partir de leur activité EEG.
Pour ce faire, nous créerons une base de données d'enregistrements EEG standardisés (N=200). Chaque participant.e participera à une session expérimentale dans laquelle son activité EEG sera enregistrée dans des conditions de douleurs thermique et chimique, et de stimulations désagréables contrôles non douloureuses auditive et orofaciale. Il/elle devra évaluer l'intensité de la douleur ou de la stimulation sur une échelle visuelle analogue. Ces données seront utilisées pour comparer la capacité de différents types de modèles d'apprentissage automatique à prédire la douleur. Les résultats obtenus contribueront à l'évaluation clinique de la douleur en offrant une mesure objective de la douleur pour les personnes ne pouvant pas rapporter leur douleur.
Programme
Master's Award: Canada Graduate Scholarships
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
CIHR Funding Decisions Database
Tel que publié
Id
486529
Name
Champagne Alyson
Region
Québec
Country
Canada
Orgtype
Institution Paid; Research Institution
Prcname2
Special Cases - Awards Programs
Projecttitle
Développement et validation de modèles prédictifs de la douleur perçue en électroencéphalographie
Programtype2
Studentship Programs
Orgnameinp2
Université Laval
Cihramount2
$17,500
Cihrequipment2
$0
Programname2
Master's Award: Canada Graduate Scholarships
Keyworddelim
Apprentissage Automatique; Données Ouvertes; Douleur; Modèles Statistiques Prédictifs; Neurosciences; Électroencéphalographie
Abstract
La douleur est la raison principale de consultation d'un médecin et la source la plus importante d'invalidité chez la population adulte active au Canada. La nature subjective de la douleur représente un défi pour sa mesure et son traitement. En effet, la majorité des échelles et des questionnaires utilisés en clinique reposent sur les symptômes qui sont grandement influencés par plusieurs facteurs et ne sont que modérément fiables. De nombreux efforts ont été consacrés à créer des marqueurs de douleur permettant de mesurer la douleur en utilisant l'activité cérébrale enregistrée par électroencéphalographie (EEG) pour compléter les rapports subjectifs. Or, ces tentatives antérieures sont limitées par l'utilisation de petits échantillons et d'analyses univariées ne permettant pas d'utiliser la riche nature multivariée des signaux EEG. L'objectif principal de ce projet est d'identifier des modèles prédictifs sensibles, spécifiques et fiables de la perception de la douleur chez les individus à partir de leur activité EEG.
Pour ce faire, nous créerons une base de données d'enregistrements EEG standardisés (N=200). Chaque participant.e participera à une session expérimentale dans laquelle son activité EEG sera enregistrée dans des conditions de douleurs thermique et chimique, et de stimulations désagréables contrôles non douloureuses auditive et orofaciale. Il/elle devra évaluer l'intensité de la douleur ou de la stimulation sur une échelle visuelle analogue. Ces données seront utilisées pour comparer la capacité de différents types de modèles d'apprentissage automatique à prédire la douleur. Les résultats obtenus contribueront à l'évaluation clinique de la douleur en offrant une mesure objective de la douleur pour les personnes ne pouvant pas rapporter leur douleur.
Competitiondate
202212
Approvedterm2
1 yr 0 mth
Pinamesdelim
Champagne, Alyson
Approvedterm
1 an 0 mois
Cihrcontribution2
~ $17,500~ $0~