Investigating the relationship between negative symptoms and metacognitive functioning in psychosis: An individual participant data meta‐analysis
Notice bibliographique
Résumé
PURPOSE: Negative symptoms are a persistent, yet under-explored problem in psychosis. Disturbances in metacognition are a potential causal factor in negative symptom development and maintenance. This meta-analysis uses individual participant data (IPD) from existing research to assess the relationship between negative symptoms and metacognition treated as summed scores and domains. METHODS: Data sets containing individuals with negative symptoms and metacognition data, aged 16+ with psychosis, were identified according to pre-specific parameters. IPD integrity and completeness were checked and data were synthesized in two-stage meta-analyses of each negative symptoms cluster compared with metacognition in seemingly unrelated regression using restricted maximum likelihood estimation. Planned and exploratory sensitivity analyses were also conducted. RESULTS: Thirty-three eligible data sets were identified with 21 with sufficient similarity and availability to be included in meta-analyses, corresponding to 1301 participants. The strongest relationships observed were between summed scores of negative symptoms and metacognition. Metacognitive domains of self-reflectivity and understanding others' minds, and expressive negative symptoms emerged as significant in some meta-analyses. The uncertainty of several effect estimates increased significantly when controlling for covariates. CONCLUSIONS: This robust meta-analysis highlights the impact of using summed versus domain-specific scores of metacognition and negative symptoms, and relationships are not as clear-cut as once believed. Findings support arguments for further differentiation of negative symptom profiles and continued granular exploration of the relationship between metacognition and negative symptoms.
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 | 0,036 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,044 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».