Interoceptive Technologies for Psychiatric Interventions: From Diagnosis to Clinical Applications
Notice bibliographique
Résumé
The perception of body signals play a crucial role in cognition and emotion, which may lead to catastrophic outcomes when it becomes dysfunctional. To characterize these mechanisms and intervene on interoception for either diagnostic or treatment purposes, a mounting body of research is concerned with interventions on interoceptive channels such as respiration, cardioception, or thermoception. However, we are still lacking a mechanistic understanding of the underlying psychophysiology. For example, interoceptive signals are often both the cause and consequences of some distress in various mental disorders, and it is still unclear how interoceptive signals bind with exteroceptive cues. In this article, we present existing technologies for manipulating interoception and review their clinical potential in light of the predictive processing framework describing interoception as a process of minimization of prediction errors. We distinguish between three kinds of stimuli: artificial sensations that concern the direct manipulation of interoceptive signals, interoceptive illusions that manipulate contextual cues to induce a predictable drift in body perception, and emotional augmentation technologies that blend artificial sensations with contextual cues of personal significance to generate specific moods or emotions. We discuss how each technology can assess and intervene on the precision-weighting of prediction errors along the cognitive and emotional processing hierarchy and conclude by discussing the clinical relevance of interoceptive technologies in terms of diagnostic stress tests for evaluating interoceptive abilities across clinical conditions and as intervention protocols for conditions such as generalized anxiety disorders, post-traumatic stress disorders, and autism spectrum disorders.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».