The Network Structure of Schizotypal Personality Traits
Notice bibliographique
Résumé
Elucidating schizotypal traits is important if we are to understand the various manifestations of psychosis spectrum liability and to reliably identify individuals at high risk for psychosis. The present study examined the network structures of (1) 9 schizotypal personality domains and (2) 74 individual schizotypal items, and (3) explored whether networks differed across gender and culture (North America vs China). The study was conducted in a sample of 27001 participants from 12 countries and 21 sites (M age = 22.12; SD = 6.28; 37.5% males). The Schizotypal Personality Questionnaire (SPQ) was used to assess 74 self-report items aggregated in 9 domains. We used network models to estimate conditional dependence relations among variables. In the domain-level network, schizotypal traits were strongly interconnected. Predictability (explained variance of each node) ranged from 31% (odd/magical beliefs) to 55% (constricted affect), with a mean of 43.7%. In the item-level network, variables showed relations both within and across domains, although within-domain associations were generally stronger. The average predictability of SPQ items was 27.8%. The network structures of men and women were similar (r = .74), node centrality was similar across networks (r = .90), as was connectivity (195.59 and 199.70, respectively). North American and Chinese participants networks showed lower similarity in terms of structure (r = 0.44), node centrality (r = 0.56), and connectivity (180.35 and 153.97, respectively). In sum, the present article points to the value of conceptualizing schizotypal personality as a complex system of interacting cognitive, emotional, and affective characteristics.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».