EPA-0777 – Alexithymia, facial emotion identification and social inference in ed patients: a case-control study
Notice bibliographique
Résumé
Introduction Alexythimia, reduced cognitive empathy and emotion awareness and understanding are present among individuals with Eating Disorders (EDs). Facial expression is a reliable marker of emotion and an important source of social information. Thus, the ability to judge facial expression is essential for successful interpersonal interactions. Objectives To evaluate alexythimia, facial emotion identification and social inference abilities in a sample of ED patients, compared to a sample of patients with another psychiatric diagnosis and a group of healthy controls, matched by gender and age. Aims To describe a specific pattern of emotional dysregulation in ED patients. Methods ED patients and the Psychiatric Control Group are recruited at the Institute of Psychiatry in Novara, while healthy controls are recruited on a community basis. All patients and controls are females, aged 18–65. All patients are undergoing the Structured Clinical Interview for DSM-IV -Patient version (SCID-I-P), healthy controls are administered the Structured Clinical Interview for DSM-IV – Non Patient version (SCID-I-NP). All subjects are undergoing the following: SCID-II, Eating Disorder Inventory − 3 (EDI-3), Binge Eating Scale (BES), Beck Depression Inventory (BDI), Symptom Checklist − 90 (SCL-90), Facial Emotion Identification Test (FEIT), The Awareness of Social Inference Test (TASIT), Temperament and Character Inventory (TCI), Rosenberg Self-Esteem Scale (RSES), Interpersonal Reactivity Index (IRI), Toronto Alexithymia Scale (TAS-20). Results The recruitment and analysis of the samples are ongoing. The ED sample is expected to show greater alexythimia and a poorer performance at FEIT and TASIT, compared to the control samples. Conclusions Clinical implications will be discussed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».