There is more to mental illness than negative affect: comprehensive temperament profiles in depression and generalized anxiety
Notice bibliographique
Résumé
BACKGROUND: Temperament and mental illness are thought to represent varying degrees along the same continuum of neurotransmitter imbalances. A taxonomy of temperament could provide the basis for a new taxonomy of mental illness. Most popular models of temperament, being based heavily on emotionality traits, show very poor ability to discriminate between mental disorders. The main goal of this study was to examine whether a temperament model based on modern neurophysiology and possessing an extensive set of non-emotionality traits provides better discrimination between Major Depression (MD), Generalized Anxiety (GAD) and Comorbid MD and GAD, in comparison to emotionality-based temperament models. METHODS: Using the Structure of Temperament Questionnaire, the temperament profiles of 687 individuals (396 clients of private psychiatric and psychological practice, and 291 control subjects) were compared across four adult age groups (18-24, 25-45, 46-65, 66-84). RESULTS: MD and GAD appear to be accurately distinguished by the traits of Motor Endurance and Motor Tempo (much lower values in depression), and Neuroticism (much higher value in anxiety). Comorbids can be distinguished based on a significant decrease in the traits of Plasticity, Intellectual Endurance, Sensitivity to Probabilities, and increased Impulsivity. These effects seemed independent of age and gender. CONCLUSIONS: The results suggest the benefits of including non-emotionality-related traits and the usefulness of a functional approach to both taxonomy of temperament and classification of mental disorders.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».