MétaCan
Menu
Retour à la cohorte
Enregistrement W2513862642 · doi:10.1002/cpp.2033

Evaluation of Life Events in Major Depression: Assessing Negative Emotional Bias

2016· article· en· W2513862642 sur OpenAlexaff
Laura Girz, Erin Driver‐Linn, Gregory A. Miller, Patricia J. Deldin

Notice bibliographique

RevueClinical Psychology & Psychotherapy · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueAnxiety, Depression, Psychometrics, Treatment, Cognitive Processes
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesHarvard University
Mots-clésDisgustPsychologyAngerSadnessDepression (economics)ShameClinical psychologyAbandonment (legal)Social psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Overly negative appraisals of negative life events characterize depression but patterns of emotion bias associated with life events in depression are not well understood. The goal of this paper is to determine under which situations emotional responses are stronger than expected given life events and which emotions are biased. METHODS: Depressed (n = 16) and non-depressed (n = 14) participants (mean age = 41.4 years) wrote about negative life events involving their own actions and inactions, and rated the current emotion elicited by those events. They also rated emotions elicited by someone else's actions and inactions. These ratings were compared with evaluations provided by a second, 'benchmark' group of non-depressed individuals (n = 20) in order to assess the magnitude and direction of possible biased emotional reactions in the two groups. RESULTS: Participants with depression reported greater anger and disgust than expected in response to both actions and inactions, whereas they reported greater guilt, shame, sadness, responsibility and fear than expected in response to inactions. Relative to non-depressed and benchmark participants, depressed participants were overly negative in the evaluation of their own life events, but not the life events of others. CONCLUSION: A standardized method for establishing emotional bias reveals a pattern of overly negative emotion only in depressed individuals' self-evaluations, and in particular with respect to anger and disgust, lending support to claims that major depressives' evaluations represent negative emotional bias and to clinical interventions that address this bias. Copyright © 2016 John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,337
Tête enseignante GPT0,542
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Psychology & PsychotherapyMême sujetAnxiety, Depression, Psychometrics, Treatment, Cognitive ProcessesTravaux en français237 207