Winning and Losing: An Evolutionary Approach to Mood Disorders and Their Therapy
Notice bibliographique
Résumé
OBJECTIVE: To advance a new evolutionary model that examines the effects of winning and losing on mood and physiological variables. Previous studies have focused on the involuntary defeat strategy in de-escalating conflict. Here, we propose that there also exists an involuntary winning strategy (IWS) that is triggered by success and characterized by euphoria and increased self-confidence. It motivates efforts to challenge, and promotes reconciliation. METHOD: Previous studies are presented, including data on student athletes, demonstrating the impact of winning and losing on mood. RESULTS: Winning is consistently shown to be related to physiological changes such as increased testosterone and serotonin levels in primates. It reliably leads to mood changes that serve to motivate winners to continue their competitive efforts. CONCLUSION: When the IWS functions optimally, success leads to success in an adaptive cycle. Over time, the initial differences between the winners and losers of agonistic encounters become magnified in a process known as difference amplification. As a result of assortative mating, the children of people who have entered into an adaptive cycle will inherit traits from both parents that will, in turn, give them an increased competitive advantage. In this manner, difference amplification could have accelerated human evolution by natural selection. Vignettes of clinical interventions are also used to illustrate therapeutic strategies designed to disrupt maladaptive cycles and promote adaptive behaviour.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».