MétaCan
Menu
Retour à la cohorte
Enregistrement W4213448864 · doi:10.1016/j.concog.2022.103286

Hotspots in the immediate aftermath of trauma – Mental imagery of worst moments highlighting time, space and motion

2022· article· en· W4213448864 sur OpenAlexfundno aff
Johanna M. Hoppe, Ylva Walldén, Marie Kanstrup, Laura Singh, Thomas Ågren, Emily A. Holmes, Michelle L. Moulds

Notice bibliographique

RevueConsciousness and Cognition · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensnon disponible
Organismes subventionnairesKarolinska InstitutetSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungSwedish Collegium for Advanced StudyLupina FoundationAFA FörsäkringWellcome TrustOak FoundationVetenskapsrådetNational Science Foundation
Mots-clésPsychologyCognitionPerceptionMental imageDistressCognitive psychologyClinical psychologyPsychiatryNeuroscience

Résumé

récupéré en direct d'OpenAlex

Intrusive memories of trauma (memories that enter consciousness involuntarily) highjack cognitive processing, cause emotional distress, and represent a core symptom of posttraumatic stress disorder. Intrusive memories often contain the worst moment/s ('hotspots') of the trauma memory. Little is known about hotspots shortly after they are formed, i.e., in the first hours after trauma. We investigated the features of hotspots in trauma-exposed individuals (n = 21) within 72 h post-trauma, using linguistic analysis and qualitative coding. On average, participants reported three hotspots per traumatic event (M = 7.8 words/hotspot). Hotspots primarily contained words related to time, space, motion, and sensory processing. Most hotspots contained sensory features (97%) and motion (59%). Few cognitions and no emotion words were identified. Results indicate that hotspots collected shortly post-trauma are expressed as motion-rich sensory-perceptual experiences (mental imagery) with little detail about emotion/cognition. Findings are discussed in terms of the function of hotspots (e.g., preparedness for action) and clinical implications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,214

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,240
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConsciousness and CognitionMême sujetMemory Processes and InfluencesTravaux en français237 207