MétaCan
Menu
Retour à la cohorte
Enregistrement W2765932685 · doi:10.1002/dev.21580

Sensitivity to facial expressions among extremely low birth weight survivors in their 30s

2017· article· en· W2765932685 sur OpenAlexafffund
Xiaoqing Gao, Ayelet Lahat, Daphne Maurer, Calan Savoy, Ryan J. Van Lieshout, Michael H. Boyle, Saroj Saigal, Louis A. Schmidt

Notice bibliographique

RevueDevelopmental Psychobiology · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensMcMaster University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentSocial Sciences and Humanities Research Council of CanadaNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésSocioemotional selectivity theoryPsychologyFacial expressionLow birth weightPerceptionAudiologyDevelopmental psychologyBirth weightMedicineCommunicationNeuroscience

Résumé

récupéré en direct d'OpenAlex

The current study investigated the impact of birth weight on the ability to recognize facial expressions in adulthood among the longest known prospectively followed cohort of extremely low birth weight survivors (ELBW; <1,000 g). We measured perceptual threshold to detect subtle facial expressions and confusion among different emotion categories in order to disentangle visual perceptual ability from emotional processing. ELBW adults (N = 64, Mage = 31.9 years) were more likely than normal birth weight (NBW) controls (N = 82, Mage = 32.5 years) to see fear in angry faces. This finding was not a result of increased perceptual efficiency in processing fearful expressions in the ELBW adults, since the two groups did not differ on their threshold to detect emotion in low intensity facial expressions. These findings suggest that a processing bias toward fear may reflect long‐term developmental effects from being born at ELBW that may portend socioemotional problems that characterize ELBW survivors.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,054
Tête enseignante GPT0,355
Écart entre enseignants0,300 · 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

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDevelopmental PsychobiologyMême sujetAging and Gerontology ResearchTravaux en français237 207