MétaCan
Menu
Retour à la cohorte
Enregistrement W4306974191 · doi:10.1038/s41537-022-00294-0

Behavioural phenotypes of intrinsic motivation in schizophrenia determined by cluster analysis of objectively quantified real-world performance

2022· article· en· W4306974191 sur OpenAlexafffund
Ishraq Siddiqui, Gary Remington, Sarah Saperia, Susana Da Silva, Paul Fletcher, Aristotle N. Voineskos, Konstantine K. Zakzanis, George Foussias

Notice bibliographique

RevueSchizophrenia · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensThe Scarborough HospitalUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesGovernment of CanadaCanadian Institutes of Health ResearchAmerican Psychiatric AssociationAstraZeneca
Mots-clésAmotivationPsychologyIntrinsic motivationSchizophrenia (object-oriented programming)Cognitive psychologyCluster (spacecraft)Developmental psychologyClinical psychologySocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Intrinsic motivation deficits are a prominent feature of schizophrenia that substantially impacts functional outcome. This study used cluster analysis of innate real-world behaviours captured during two open-field tasks to dimensionally examine heterogeneity in intrinsic motivation in schizophrenia patients (SZ) and healthy controls (HC). Wireless motion capture quantified participants' behaviours aligning with distinct aspects of intrinsic motivation: exploratory behaviour and effortful activity in the absence of external incentive. Cluster analysis of task-derived measures identified behaviourally differentiable subgroups, which were compared across standard clinical measures of general amotivation, cognition, and community functioning. Among 45 SZ and 47 HC participants, three clusters with characteristically different behavioural phenotypes emerged: low exploration (20 SZ, 19 HC), low activity (15 SZ, 8 HC), and high exploration/activity (10 SZ, 20 HC). Low performance in either dimension corresponded with similar increased amotivation. Within-cluster discrepancies emerged for amotivation (SZ > HC) within the low exploration and high performance clusters, and for functioning (SZ < HC) within all clusters, increasing from high performance to low activity to low exploration. Objective multidimensional characterization thus revealed divergent behavioural expression of intrinsic motivation deficits that may be conflated by summary clinical measures of motivation and overlooked by unidimensional evaluation. Deficits in either aspect may hinder general motivation and functioning particularly in SZ. Multidimensional phenotyping may help guide personalized remediation by discriminating between intrinsic motivation impairments that require amelioration versus unimpaired tendencies that may facilitate remediation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,285
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSchizophreniaMême sujetSchizophrenia research and treatmentTravaux en français237 207