White Matter Deficits in Psychopathic Offenders and Correlation with Factor Structure
Notice bibliographique
Résumé
Psychopathic offenders show a persistent pattern of emotional unresponsivity to the often horrendous crimes they perpetrate. Recent studies have related psychopathy to alterations in white matter. Therefore, diffusion tensor imaging followed by tract-based spatial statistics (TBSS) analysis in 11 psychopathic offenders matched to 11 healthy controls was completed. Fractional anisotropy was calculated within each voxel and comparisons were made between groups using a permutation test. Any clusters of white matter voxels different between groups were submitted to probabilistic tractography. Significant differences in fractional anisotropy were found between psychopathic offenders and healthy controls in three main white matter clusters. These three clusters represented two major networks: an amygdalo-prefrontal network, and a striato-thalamo-frontal network. The interpersonal/affective component of the PCL-R correlated with white matter deficits in the orbitofrontal cortex and frontal pole whereas the antisocial component correlated with deficits in the striato-thalamo-frontal network. In addition to replicating earlier work concerning disruption of an amygdala-prefrontal network, we show for the first time that white matter integrity in a striato-thalamo-frontal network is disrupted in psychopathic offenders. The novelty of our findings lies in the two dissociable white matter networks that map directly onto the two major factors of psychopathy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».