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 (SPM; Study 1), where higher scores describe individuals who enjoy risky situations but have no self-control issues. The SPM score was associated with greater physical activity, higher rate of traumatic injuries and better mental health in a sample of 3,558 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 FDR-adjusted p-values were non-significant. In Study 2, we predicted SPM and E5: Excitement-seeking from risk-taking polygenic scores (PGS), 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’ PGSs, SPM was most strongly associated with the adventurousness PGS. Phenotypic and PGS 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».