Inhibitory Control Deficits in Children with Tic Disorders Revealed by Object-Hit-and-Avoid Task
Notice bibliographique
Résumé
Background: Tic disorders may reflect impaired inhibitory control. This has been evaluated using different behavioural tasks, yielding mixed results. Our objective was to test inhibitory control in children with tics through simultaneous presentation of multiple, mobile stimuli. Methods: Sixty-four children with tics (mean age 12.4 years; 7.5-18.5) were evaluated using a validated robotic bimanual exoskeleton protocol (Kinarm) in an object-hit-and-avoid task, in which target and distractor objects moved across a screen and participants aimed to hit only the targets while avoiding distractors. Performance was compared to 146 typically developing controls (mean age 13 years; 6.1-19.9). The primary outcome was the percentage of distractors struck. Results: ANCOVA (age as covariate) showed participants struck significantly more distractors (participants without comorbid ADHD, 22.71% [SE 1.47]; participants with comorbid ADHD, 23.56% [1.47]; and controls, 15.59% [0.68]). Participants with comorbid ADHD struck significantly fewer targets (119.74 [2.77]) than controls, but no difference was found between participants without comorbid ADHD (122.66 [2.77]) and controls (127.00 [1.28]). Participants and controls did not differ significantly in movement speed and movement area. Just over 20% of participants with tics fell below the age-predicted norm in striking distractors, whereas fewer than 10% fell outside age-predicted norms in other task parameters. Conclusions: In children with tics (without comorbid ADHD), acting upon both targets and distractors suggests reduced ability to suppress responses to potential triggers for action. This may be related to increased sensorimotor noise or abnormal sensory gating.
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) | 0,001 | 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) | 0,000 | 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 ».