Affective forecasting accuracy in obsessive compulsive disorder
Notice bibliographique
Résumé
BACKGROUND: Research indicates that people suffering from obsessive compulsive disorder (OCD) possess several cognitive biases, including a tendency to over-estimate threat and avoid risk. Studies have suggested that people with OCD not only over-estimate the severity of negative events, but also under-estimate their ability to cope with such occurrences. What is less clear is if they also miscalculate the extent to which they will be emotionally impacted by a given experience. AIMS: The aim of the current study was twofold. First, we examined if people with OCD are especially poor at predicting their emotional responses to future events (i.e. affective forecasting). Second, we analysed the relationship between affective forecasting accuracy and risk assessment across a broad domain of behaviours. METHOD: Forty-one OCD, 42 non-anxious, and 40 socially anxious subjects completed an affective forecasting task and a self-report measure of risk-taking. RESULTS: Findings revealed that affective forecasting accuracy did not differ among the groups. In addition, there was little evidence that affective forecasting errors are related to how people assess risk in a variety of situations. CONCLUSIONS: The results of our study suggest that affective forecasting is unlikely to contribute to the phenomenology of OCD or social anxiety disorder. However, that people over-estimate the hedonic impact of negative events might have interesting implications for the treatment of OCD and other disorders treated with exposure therapy.
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) | 0,001 | 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) | 0,003 | 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 ».