Time of Day Matters: An Exploratory Assessment of Chronotype in a Forensic Psychiatric Hospital
Notice bibliographique
Résumé
A growing body of evidence links the late chronotype to mental illness, aggression, and aversive personality traits. However, much of what we know about these associations is based on healthy cohorts, and it is unclear how individuals with high levels of aggression, including forensic psychiatric populations, but not offenders, are affected. The present study aimed to measure chronotype in a forensic psychiatric inpatient population, evaluate the impact of diagnosis, and identify any interactive relationships between chronotype, diagnosis, aggression, and dark triad traits. Subjects completed the reduced Morningness-Eveningness Questionnaire (rMEQ), Munich ChronoType Questionnaire (MCTQ), Pittsburgh Sleep Quality Index (PSQI), Buss Perry Aggression Questionnaire-Short Form (BPAQ-SF), and Short Dark Triad Questionnaire (SD3). We sampled 55 forensic psychiatric patients (52 males) between the ages of 23 and 73 years (mean ± SD: 39.6 ± 14.3 years). Among the patients sampled, 25% were evening types and 36% were morning types. Eveningness was greater in patients with a personality disorder; however, no chronotype differences were found for psychosis patients. Patients without psychosis had a positive association between anger and eveningness, as well as between hostility and eveningness. For subjects with a substance use disorder, morningness was positively associated with narcissism. Conversely, an association between eveningness and greater narcissism was identified in patients who did not have a substance use disorder. These findings suggest that, compared to the general population, evening types are more prevalent in forensic psychiatric populations, with the strongest preference among patients diagnosed with a personality disorder. No differences in chronotype were identified for psychosis patients, which may be related to anti-psychotic medication dosing. Given the sex distribution of the sample, these findings may be more relevant to male populations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».