Processing emotional facial expressions influences performance on a Go/NoGo task in pediatric anxiety and depression
Notice bibliographique
Résumé
BACKGROUND: This study investigated whether processing emotionally salient information such as emotional facial expressions influences the performance on a cognitive control task in pediatric anxiety and depression. METHODS: The sample included 68 participants between 8 and 16 years of age selected into three diagnostic groups: Anxiety Disorder (ANX, n = 23), Major Depressive Disorder (MDD, n = 19), and Low-Risk Normal Control (LRNC, n = 26). Participants completed an Emotional Go/NoGo task in which participants must either respond to (Go trials) or not respond to (NoGo trials) specific facial expressions (angry, fearful, sad, happy, neutral). In order to manipulate the level of cognitive control needed to perform the task, the probability of occurrence of the Go trials was varied across 3 probability conditions (low, moderate, high). RESULTS: Analyses showed that the MDD group had significantly faster reaction times to sad face Go trials embedded in neutral face NoGo trials in the moderate probability condition and that the ANX group had significantly slower reaction times to neutral face Go trials embedded in angry face NoGo trials in the low probability condition. CONCLUSIONS: These data demonstrate that processing emotional facial expressions influences the performance on a cognitive control task in children and adolescents diagnosed with an anxiety disorder and major depression.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».