Item-specific overlap between hallucinatory experiences and cognition in the general population: A three-step multivariate analysis of international multi-site data
Notice bibliographique
Résumé
Hallucinatory experiences (HEs) can be pronounced in psychosis, but similar experiences also occur in nonclinical populations. Cognitive mechanisms hypothesized to underpin HEs include dysfunctional source monitoring, heightened signal detection, and impaired attentional processes. Using data from an international multisite study on non-clinical participants (N = 419), we described the overlap between two sets of variables - one measuring cognition and the other HEs - at the level of individual items. We used a three-step method to extract and examine item-specific signal, which is typically obscured when summary scores are analyzed using traditional methodologies. The three-step method involved: (1) constraining variance in cognition variables to that which is predictable from HE variables, followed by dimension reduction, (2) determining reliable HE items using split-halves and permutation tests, and (3) selecting cognition items for interpretation using a leave-one-out procedure followed by repetition of Steps 1 and 2. The results showed that the overlap between HEs and cognition variables can be conceptualized as bi-dimensional, with two distinct mechanisms emerging as candidates for separate pathways to the development of HEs: HEs involving perceptual distortions on one hand (including voices), underpinned by a low threshold for signal detection in cognition, and HEs involving sensory overload on the other hand, underpinned by reduced laterality in cognition. We propose that these two dimensions of HEs involving distortions/liberal signal detection, and sensation overload/reduced laterality may map onto psychosis-spectrum and dissociation-spectrum anomalous experiences, respectively.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».