Taking risks to feel excitement: Detailed personality profile and genetic associations
Notice bibliographique
Résumé
This study mapped the personality and genetics of risky excitement-seekers focusing on skydiving behavior. We compared 298 skydivers to 298 demographically matched controls across the NEO Personality Inventory-3 domains, facets, and 240 items. The most significant item-level effects were aggregated into a poly-item score of skydiving-associated personality markers (Study 1), where higher scores describe individuals who enjoy risky situations but have no self-control issues. The skydiving-associated personality marker score was associated with greater physical activity, higher rate of traumatic injuries, and better mental health in a sample of 3558 adults (Study 2). From genetic perspective, we associated skydiving behavior with 19 candidate variants that have previously been linked to excitement-seeking (Study 1). Polymorphisms in the SERT gene were the strongest predictors of skydiving, but the false discovery rate-adjusted (FDR-adjusted) p-values were non-significant. In Study 2, we predicted the skydiving-associated personality marker score and E5: Excitement-seeking from multiple risk-taking polygenic scores, using publicly available summary data from genome-wide association studies. While E5: Excitement-seeking was most strongly predicted by general risk tolerance and risky behaviors’ polygenic scores, the skydiving-associated personality marker score was most strongly associated with the adventurousness polygenic scores. Phenotypic and polygenic scores associations suggest that skydiving is a specific—perhaps more functional—form of excitement-seeking, which may nevertheless lead to physical injuries.
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 | 0,003 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».