Neural bases of Frustration-Aggression Theory: A multi-domain meta-analysis of functional neuroimaging studies
Notice bibliographique
Résumé
ABSTRACT Early evidence suggests that unexpected non-reward may increase the risk for aggressive behaviors. Despite the growing interest in understanding brain functions that may be implicated in aggressive behaviors, the neural processes underlying such frustrative events remain largely unknown. Furthermore, meta-analytic results have produced discrepant results, potentially due to substantial differences in the definition of anger/aggression constructs. Therefore, coordinate-based meta-analyses on unexpected non-reward and retaliatory behaviors in healthy subjects were conducted. Conjunction analyses were further examined to discover overlapping brain activations across these meta-analytical maps. Frustrative non-reward deactivated the orbitofrontal cortex, ventral striatum and posterior cingulate cortex, whereas increased activations were observed in midcingulo-insular regions, as well as dorsomedial prefrontal cortex, amygdala, thalamus and periaqueductal gray, when using liberal threshold. Retaliation activated of midcingulo-insular regions, the dorsal caudate and the primary somatosensory cortex. Conjunction analyses revealed that both strongly activated midcingulo-insular regions. Our results underscore the role of anterior midcingulate/pre-supplementary motor area and fronto-insular cortex in both frustration and retaliatory behaviors. A neurobiological framework for understanding frustration-based impulsive aggression is provided.
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 | 0,020 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,018 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».