Misperceptions of Facial Emotions Among Youth Aged 9–14 Years Who Present Multiple Antecedents of Schizophrenia
Notice bibliographique
Résumé
Similar to adults with schizophrenia, youth at high risk for developing schizophrenia present difficulties in recognizing emotions in faces. These difficulties might index vulnerability for schizophrenia and play a role in the development of the illness. Facial emotion recognition (FER) impairments have been implicated in declining social functioning during the prodromal phase of illness and are thus a potential target for early intervention efforts. This study examined 9- to 14-year-old children: 34 children who presented a triad of well-replicated antecedents of schizophrenia (ASz), including motor and/or speech delays, clinically relevant internalizing and/or externalizing problems, and psychotic-like experiences (PLEs), and 34 typically developing (TD) children who presented none of these antecedents. An established FER task (ER40) was used to assess correct recognition of happy, sad, angry, fearful, and neutral expressions, and facial emotion misperception responses were made for each emotion type. Relative to TD children, ASz children presented an overall impairment in FER. Further, ASz children misattributed neutral expressions to face displaying other emotions and also more often mislabeled a neutral expression as sad compared with healthy peers. The inability to accurately discriminate subtle differences in facial emotion and the misinterpretation of neutral expressions as sad may contribute to the initiation and/or persistence of PLEs. Interventions that are effective in teaching adults to recognize emotions in faces could potentially benefit children presenting with antecedents of schizophrenia.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».