Association Between Wisdom and Psychotic-Like Experiences in the General Population: A Cross-Sectional Study
Notice bibliographique
Résumé
Introduction Wisdom has been empirically researched as a complex psychological characteristic that is associated with many mental health outcomes. However, its association with psychotic-like experiences (PLEs) remains unclear. This is the first work to assess wisdom, explore its association with PLEs, and test its moderating effect on the relation between the frequency of PLEs and their associated distress in the general population. Methods From January 29th to February 5th, 2021, our online self-administered survey recruited 927 participants (ages 14 to 65) from thirteen Chinese provinces. Convenience sampling was employed. We measured wisdom with the 12-item three-dimensional wisdom scale (3D-WS-12) and PLEs with the 15-item positive subscale of the Community Assessment of Psychic Experiences (CAPE-P15). Results Using the cut-off value of 1.47 in the mean frequency score, we divided our participants into high-PLEs group (188, 22.1%) and low-PLEs group (663, 77.9%). Three-dimensional wisdom score was decreased in the high-PLEs group compared to the low-PLEs group (Kruskal-Wallis t = 59.9, p < 0.001). Wisdom was associated with less frequent PLEs (Spearman’s rho = −0.21, p < 0.01) and lower distress related to PLEs (Spearman’s rho = −0.28) in the high-PLEs group (all above p < 0.001), which were replicated in the low-PLEs group. Notably, wisdom significantly attenuated the distress associated with PLEs [coefficient = −0.018, Bootstrap 95% CI (−0.029, −0.008)], but only in the low-PLEs group. Conclusion Our results implicated that wisdom could protect individuals from distressful subclinical psychotic symptoms and wiser individuals have better general mental health.
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 | 0,002 | 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) | 0,000 | 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 ».