Reward and Punishment Sensitivity are Associated with Cross-disorder Traits
Notice bibliographique
Résumé
Reversal learning deficits following reward and punishment processing are observed across disruptive behaviors (DB) and attention-deficit/hyperactivity disorder (ADHD), and have been associated with callous-unemotional (CU) traits. However, it remains unknown to what extent these altered reinforcement sensitivities are linked to the co-occurrence of oppositional traits, ADHD symptoms, and CU traits. Reward and punishment sensitivity and perseverative behavior were therefore derived from a probabilistic reversal learning task to investigate reinforcement sensitivity in participants with DB (n=183, ODD=62, CD=10, combined=57, age-range 8-18), ADHD (n=144, age-range 11-28), and controls (n=191, age-range 8-26). The SNAP-IV and Conners rating scales were used to assess oppositional and ADHD traits. The Inventory of CU traits was used to assess CU traits. Decreased reward sensitivity was associated with ADHD symptom severity (p=0.018) if corrected for oppositional symptoms. ADHD symptomatology interacted with oppositional behavior on perseveration (p=0.019), with the former aggravating the effect of oppositional behavior on perseveration and vice versa. Within a pooled sample, reversal learning alterations were associated with the severity of ADHD symptoms, underpinned by hyposensitivity to reward and increased perseveration. These results show ADHD traits, as opposed to oppositional behavior and CU traits, is associated with decreased reward-based learning in adolescents and adults.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».