Symptoms of borderline personality and related pathologies behave as temporal and contemporaneous networks.
Notice bibliographique
Résumé
In contrast to latent variable models suggesting a common etiology, network theory proposes that symptoms of psychopathology co-occur because of direct, dynamic associations among them. We examined how symptoms associated with borderline personality disorder, depression, and anxiety mutually reinforce one another over time, forming a network. We further identified symptoms that drove the network by exerting the most influence on other symptoms. Participants were 37 undergraduate students aged 18 to 26. Following baseline assessment, participants were prompted to answer a Qualtrics-based survey of current symptoms of BPD, depression, and anxiety twice daily for 40 days. Multilevel time-series network analyses were conducted with (a) BPD symptoms alone and (b) BPD, depressive and anxiety symptoms. In the network of BPD symptoms, momentary interpersonal difficulties predicted later dissociation, which predicted later affective fluctuation at the within-person level. Dissociation exerted the strongest influence on the overall symptom network. When depressive and anxiety symptoms were included, the networks identified several cross-disorder connections, such as anhedonia and feeling tense, which highlight potential pathways that describe the comorbidity of BPD with anxiety and depressive syndromes. Overall, cognitive symptoms and dissociation were identified as the most influential symptoms across the networks. This study indicates that BPD, depression, and anxiety symptoms may mutually reinforce one another concurrently and over time. Cognitive symptoms exert the highest influence on the cross-disorder networks, such that they influence BPD, depressive, and anxiety symptoms. Our results support the need of targeting cognitions in the treatment of comorbid BPD. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 | 0,000 |
| 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 | 0,002 |
| 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) | 0,001 | 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 ».