Gender Impacts the Relationship between Mood Disorder Symptoms and Effortful Avoidance Performance
Notice bibliographique
Résumé
We must often decide how much effort to exert or withhold to avoid undesirable outcomes or obtain rewards. In depression and anxiety, levels of avoidance can be excessive and reward-seeking may be reduced. Yet outstanding questions remain about the links between motivated action/inhibition and anxiety and depression levels, and whether they differ between men and women. Here, we examined the relationship between anxiety and depression scores, and performance on effortful active and inhibitory avoidance (Study 1) and reward seeking (Study 2) in humans. Undergraduates and paid online workers ([Formula: see text] = 545, [Formula: see text] = 310; [Formula: see text] = 368, [Formula: see text] = 450, [Formula: see text] = 22.58, [Formula: see text] = 17-62) were assessed on the Beck Depression Inventory II (BDI) and the Beck Anxiety Inventory (BAI) and performed an instructed online avoidance or reward-seeking task. Participants had to make multiple presses on active trials and withhold presses on inhibitory trials to avoid an unpleasant sound (Study 1) or obtain points toward a monetary reward (Study 2). Overall, men deployed more effort than women in both avoidance and reward-seeking, and anxiety scores were negatively associated with active reward-seeking performance based on sensitivity scores. Gender interacted with anxiety scores and inhibitory avoidance performance, such that women with higher anxiety showed worse avoidance performance. Our results illuminate effects of gender in the relationship between anxiety and depression levels and the motivation to actively and effortfully respond to obtain positive and avoid negative outcomes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».