Emotional recognition across the adult lifespan: Effects of age, sex, cognitive empathy, alexithymia traits, and amygdala subnuclei volumes
Notice bibliographique
Résumé
The ability to recognize others' emotions is vital to everyday life. The goal of this study was to assess which emotions show age-related decline in recognition accuracy of facial emotional expressions across the entire adult lifespan and how this process is related to cognitive empathy (Theory of Mind [ToM]), alexithymia traits, and amygdala subnuclei volumes in a large cohort of healthy individuals. We recruited 140 healthy participants 18-85 years old. Facial affect processing was assessed with the Penn Emotion Recognition task (ER40) that contains images of the five basic emotions: Neutral, Happy, Sad, Angry, and Fearful. Structural magnetic resonance imaging (MRI) datasets were acquired on a 4.7T MRI system. Structural equation modeling was used to test the relationship between studied variables. We found that while both sexes demonstrated age-related reduction in recognition of happy emotions and preserved recognition of sadness, male participants showed age-related reduction in recognition of fear, while in female participants, age-related decline was linked to recognition of neutral and angry facial expressions. In both sexes, accurate recognition of sadness negatively correlated with alexithymia traits. On the other hand, better ToM capabilities in male participants were associated with improvement in recognition of positive and neutral emotions. Finally, none of the observed age-related reductions in emotional recognition were related to amygdala and its subnuclei volumes. In contrast, both global volume of amygdala and its cortical and centromedial subnuclei had significant direct effects on recognition of sad images.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».