Parsing Anhedonia: A reverse-translational strategy for treatment of anhedonia in clinical populations and potential implications of conditioned motivators
Notice bibliographique
Résumé
Anhedonia is defined as reduced interest or pleasure in activities previously considered enjoyable and is a cardinal symptom of many neuropsychiatric disorders including major depression, schizophrenia and substance dependence. Pleasurable experiences involve a variety of psychobiological components including learning, memory and motivation that influence engagement with rewarding events and can therefore impact affective responding. Despite the capacity to dissociate these processes in humans and nonhuman animals, contemporary preclinical animal models of anhedonia emphasize responses to immediately pleasurable stimuli including palatable food and drugs of abuse. This limits translatability to the clinic as human patients exhibiting anhedonia largely display normalized responsivity to pleasurable stimuli and instead show deficits in responding for associative cues. Conditioned motivators can serve to bridge the gap between clinical and preclinical knowledge, as they can be dissociated into each independent component process associated with anhedonia. Following several distinct temporally-contingent associations with reward, neutral stimuli acquire meaning and become conditioned motivators, which can be uniquely manipulated to parse several component processes within a variety of tasks. Thus, the properties of conditioned motivators in anhedonia and the neural substrates underlying them will be critical in translating knowledge about these independent neuropsychiatric processes to the clinic. This review emphasizes the utilization of ‘reverse-translation’, integrating patient-based findings with preclinical animal models to experimentally parse component processes of anhedonia and develop holistic experimental models to measure it. Dissociating the independent, measurable component processes of anhedonia is critical for accurate representation in preclinical animal models and for acceleration of treatment strategies to the clinic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».