Posttraumatic stress and delay discounting: a meta-analytic review
Notice bibliographique
Résumé
Abstract Delay discounting—the extent to which individuals show a preference for smaller immediate rewards over larger delayed rewards—has been proposed as a transdiagnostic neurocognitive process across mental health conditions, but its examination in relation to posttraumatic stress disorder (PTSD) is comparatively recent. To assess the aggregated evidence for elevated delay discounting in relation to posttraumatic stress, we conducted a meta-analysis on existing empirical literature. Bibliographic searches identified 209 candidate articles, of which 13 articles with 14 independent effect sizes were eligible for meta-analysis, reflecting a combined sample size of N = 6897. Individual study designs included case-control (e.g. examination of differences in delay discounting between individuals with and without PTSD) and continuous association studies (e.g. relationship between posttraumatic stress symptom severity and delay discounting). In a combined analysis of all studies, the overall relationship was a small but statistically significant positive association between posttraumatic stress and delay discounting ( r = .135, p < .0001). The same relationship was statistically significant for continuous association studies ( r = .092, p = .027) and case-control designs ( r = .179, p < .001). Evidence of publication bias was minimal. The included studies were limited in that many did not concurrently incorporate other psychiatric conditions in the analyses, leaving the specificity of the relationship to posttraumatic stress less clear. Nonetheless, these findings are broadly consistent with previous meta-analyses of delayed reward discounting in relation to other mental health conditions and provide further evidence for the transdiagnostic utility of this construct.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».