Regional gray matter correlates of perceived emotional intelligence
Notice bibliographique
Résumé
Coping with stressful life events requires a degree of skill in the ability to attend to, comprehend, label, communicate and regulate emotions. Individuals vary in the extent to which these skills are developed, with the term 'alexithymia' often applied in the clinical and personality literature to those individuals most compromised in these skills. Although a frontal lobe model of alexithymia is emerging, it is unclear whether such a model satisfactorily reflects brain-related patterns associated with perceived emotional intelligence at the facet level. To determine whether these trait meta-mood facets (ability to attend to, have clarity of and repair emotions) have unique gray matter volume correlates, a voxel-based morphometry study was conducted in 30 healthy adults using the Trait Meta Mood Scale while co-varying for potentially confounding sociodemographic variables. Poorer Attention to Emotion was associated with lower gray matter volume in clusters distributed primarily throughout the frontal lobe, with peak correlation in the left medial frontal gyrus. Poorer Mood Repair was related to lower gray matter volume in three clusters in frontal and inferior parietal areas, with peak correlation in the left anterior cingulate. No significant volumetric correlations emerged for the Clarity of Emotion facet. We discuss the localization of these areas in the context of cortical circuits known to be involved in processes of self-reflection and cognitive control.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».