Individual differences in stop‐related activity are inflated by the adaptive algorithm in the stop signal task
Notice bibliographique
Résumé
Research using the Stop Signal Task employing an adaptive algorithm to accommodate individual differences often report inferior performance on the task in individuals with ADHD, OCD, and substance use disorders compared to non-clinical controls. Furthermore, individuals with deficits in inhibitory control tend to show reduced neural activity in key inhibitory regions during successful stopping. However, the adaptive algorithm systematically introduces performance-related differences in objective task difficulty that may influence the estimation of individual differences in stop-related neural activity. This report examines the effect that these algorithm-related differences have on the measurement of neural activity during the stop signal task. We compared two groups of subjects (n = 210) who differed in inhibitory ability using both a standard fMRI analysis and an analysis that resampled trials to remove the objective task difficulty confound. The results show that objective task difficulty influences the magnitude of between-group differences and that controlling for difficulty attenuates stop-related activity differences between superior and poor inhibitors. Specifically, group differences in the right inferior frontal gyrus, right middle occipital gyrus, and left inferior frontal gyrus are diminished when differences in objective task difficulty are controlled for. Also, when objective task difficulty effects are exaggerated, group differences in stop related activity emerge in other regions of the stopping network. The implications of these effects for how we interpret individual differences in activity levels are discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».