The effects of voice content on stress reactivity: A simulation paradigm of auditory verbal hallucinations
Notice bibliographique
Résumé
OBJECTIVES: Psychosis is associated with increased subjective and altered endocrine and autonomic nervous system stress-reactivity. Psychosis patients often experience auditory verbal hallucinations, with negative voice content being particularly associated with distress. The present study developed a voice-simulation paradigm and investigated the effect of simulated voices with neutral and negative content on psychophysiological stress-reactivity, and the effect of mindful voice-appraisals on stress-reactivity. METHOD: Eighty-four healthy participants completed the Montreal Imaging Stress Task with simultaneous presentation of one of three randomly allocated auditory stimuli conditions: negative voices, neutral voices or non-voice ambient sounds. Subjective stress-levels and mindful voice-appraisals were assessed using questionnaire measures, and cortisol and α-amylase levels were measured using saliva samples. RESULTS: ANOVA revealed a significant effect of condition on subjective stress-levels (p = .002), but not cortisol (p = .63) or α-amylase (p = .73). Post-hoc analyses showed that negative voices increased subjective stress-levels relative to neutral voices (p = .002) and ambient sounds (p = .01), which did not differ from each other (p = .41). Mindful voice-appraisals were associated with less distress across conditions (p = .003), although negative voices were also associated with less mindful appraisals (p < .001). CONCLUSIONS: Negative voice content, rather than voices or auditory stimuli per se, is linked to greater subjective but not physiological stress-reactivity. Mindful appraisals may partially moderate this effect. These findings highlight the importance of voice content for the impact of voice-hearing, and highlight the potential value of mindfulness training to treat voice distress in psychosis.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».