Comparison of social cognition using an adapted Chinese version of the Reading the Mind in the Eyes Test in drug-naive and regularly medicated individuals with chronic schizophrenia and healthy controls in rural China
Notice bibliographique
Résumé
Abstract Background Social cognition has not previously been assessed in treatment-naive patients with chronic schizophrenia, in patients over 60 years of age, or in patients with less than 5 years of schooling. Methods We revised a commonly used measure of social cognition, the Reading the Mind in the Eyes Test (RMET), by expanding the instructions, using both self-completion and interviewer-completion versions (for illiterate respondents), and classifying each test administration as ‘successfully completed’ or ‘incomplete’. The revised instrument (RMET-CV-R) was administered to 233 treatment-naive patients with chronic schizophrenia (UT), 154 treated controls with chronic schizophrenia (TC), and 259 healthy controls (HC) from rural communities in China. Results In bivariate and multivariate analyses, successful completion rates and RMET-CV-R scores (percent correct judgments about emotion exhibited in 70 presented slides) were highest in HC, intermediate in TC, and lowest in UT (adjusted completion rates, 97.0, 72.4, and 49.9%, respectively; adjusted RMET-CV-R scores, 45.4, 38.5, and 34.6%, respectively; all p < 0.02). Stratified analyses by the method of administration (self-completed v. interviewer-completed) and by education and age (‘educated-younger’ v. ‘undereducated-older’) show the same relationship between groups (i.e. NC>TC>UT), though not all differences remain statistically significant. Conclusions We find poorer social cognition in treatment-naive than in treated patients with chronic schizophrenia. The discriminant validity of RMET-CV-R in undereducated, older patients demonstrates the feasibility of administering revised versions of RMET to patients who may otherwise be considered ineligible due to education or age by changing the method of test administration and carefully assessing respondents' ability to complete the task successfully.
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 | 0,000 | 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 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 ».