Increased context adjustment is associated with auditory sensitivities but not with autistic traits
Notice bibliographique
Résumé
Bayesian models of autism suggest that alterations in context-sensitive prediction error weighting may underpin sensory perceptual alterations, such as hypersensitivities. We used an auditory oddball paradigm with pure tones arising from high or low uncertainty contexts to determine whether autistic individuals display differences in context adjustment relative to neurotypicals. We did not find group differences in early prediction error responses indexed by mismatch negativity. A dimensional approach revealed a positive correlation between context-dependent prediction errors and subjective reports of auditory sensitivities, but not with autistic traits. These findings suggest that autism studies may benefit from accounting for sensory sensitivities in group comparisons. LAY SUMMARY: We aimed to understand if autistic and non-autistic groups showed differences in their electrical brain activity measured by electroencephalography (EEG) when listening to surprising tones infrequently embedded in a statistical pattern. We found no differences between the autistic and the non-autistic group in their EEG response to the surprising sound even if the pattern switched, indicating their ability to learn a pattern. We did find that, as subjective sensory sensitivities (but not autistic traits) increased, there were increasingly large differences between the EEG responses to surprising tones that were embedded in the different statistical patterns of tones. These findings show that perceptual alterations may be a function of sensory sensitivities, but not necessarily autistic traits. We suggest that future EEG studies in autism may benefit from accounting for sensory sensitivities.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».