Evaluation of Life Events in Major Depression: Assessing Negative Emotional Bias
Notice bibliographique
Résumé
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 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 | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».