Investigating the relationship between specific negative symptoms and metacognitive functioning in psychosis: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Disrupted metacognition is implicated in development and maintenance of negative symptoms, but more fine-grained analyses would inform precise treatment targeting for individual negative symptoms. AIMS: This systematic review identifies and examines datasets that test whether specific metacognitive capacities distinctly influence negative symptoms. MATERIALS & METHODS: PsycINFO, EMBASE, Medline and Cochrane Library databases plus hand searching of relevant articles, journals and grey literature identified quantitative research investigating negative symptoms and metacognition in adults aged 16+ with psychosis. Authors of included articles were contacted to identify unique datasets and missing information. Data were extracted for a risk of bias assessment using the Quality in Prognostic Studies tool. RESULTS: 85 published reports met criteria and are estimated to reflect 32 distinct datasets and 1623 unique participants. The data indicated uncertainty about the relationship between summed scores of negative symptoms and domains of metacognition, with significant findings indicating correlation coefficients from 0.88 to -0.23. Only eight studies investigated the relationship between metacognition and individual negative symptoms, with mixed findings. Studies were mostly moderate-to-low risk of bias. DISCUSSION: The relationship between negative symptoms and metacognition is rarely the focus of studies reviewed here, and negative symptom scores are often summed. This approach may obscure relationships between metacognitive domains and individual negative symptoms which may be important for understanding how negative symptoms are developed and maintained. CONLCLUSION: Methodological challenges around overlapping participants, variation in aggregation of negative symptom items and types of analyses used, make a strong case for use of Individual Participant Data Meta-Analysis to further elucidate these relationships.
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 | 0,019 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».