Poor insight in obsessive-compulsive disorder: examining the role of cognitive, metacognitive, and neuropsychological variables
Notice bibliographique
Résumé
The purpose of this study was to examine the cognitive and neuropsychological constructs that are conceptually related to poor insight in obsessive-compulsive disorder (OCD). The relationship between dimensions of insight (Brown Assessment of Beliefs Scale; BABS) and cognitive (magical thinking, paranoia/suspiciousness), metacognitive (metacognition, decentering, cognitive flexibility), and neuroopsychological indices of cognitive flexiblity were examined. Participants with OCD (N = 80) referred for treatment at an outpatient anxiety disorders clinic completed a clinical interview, a brief battery of neuropsychological measures, and a computer-administered questionnaire package assessing the variables of interest. Lower metacognition (i.e., Beck Cognitive Insight Scale [BCIS], composite score) was significantly associated with poorer insight (BABS total; ρ = -.38), and Metacognitions Questionnaire-30 cognitive self-consciousness subscale was negatively correlated with insight regarding a psychiatric source for one’s symptoms (ρ = -.24). Stroop interference was the only neuropsychological variable associated with BABS total score (ρ = -.23), but was not a unique predictor of insight in a regression with BCIS composite scores predicting insight. Nearly all of the variance in insight was accounted for by BCIS composite scores (R = .43, R2 = .18), indicating that metacognition, but not cognitive flexibility, contributes most strongly to clinical insight. Finally, insight decreased when OCD symptoms were activated for both the good and poor insight groups, F(1,78) = 119.29, p < .001, partial η2 = .61, and did not significantly vary as a function of insight group status, F(1, 78) = 3.24, p = .08, partial η2 = .04. Implications, limitations, and directions for future research are discussed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».