MétaCan
Menu
Retour à la cohorte
Enregistrement W4389545912 · doi:10.1038/s41598-023-49148-4

Delay discounting and family history of psychopathology in children ages 9–11

2023· article· en· W4389545912 sur OpenAlexafffund
Matthew E. Sloan, Marcos Sanches, Jody Tanabe, Joshua L. Gowin

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensThe Scarborough HospitalUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute on Drug AbuseCanadian Institutes of Health ResearchDepartment of Psychiatry, University of TorontoNational Institutes of HealthNational Institute of Mental HealthUniversity of Toronto
Mots-clésDelay discountingPsychopathologyDiscountingManiaPsychologyFamily historySchizophrenia (object-oriented programming)Clinical psychologyBipolar disorderPsychiatryDevelopmental psychologyImpulsivityCognitionMedicine

Résumé

récupéré en direct d'OpenAlex

Delay discounting is a tendency to devalue delayed rewards compared to immediate rewards. Evidence suggests that steeper delay discounting is associated with psychiatric disorders across diagnostic categories, but it is unclear whether steeper delay discounting is a risk factor for these disorders. We examined whether children at higher risk for psychiatric disorders, based on family history, would demonstrate steeper delay discounting behavior using data from the Adolescent Brain Cognitive Development (ABCD) study, a nationally representative sample of 11,878 children. We looked at associations between delay discounting behavior and family history of alcohol problems, drug problems, depression, mania, schizophrenia, and suicidal behavior. Correlations between family history of psychopathology and delay discounting behavior were small, ranging from ρ = - 0.02 to 0.04. In mixed effects models controlled for sociodemographic factors, family history of psychopathology was not associated with steeper delay discounting behavior. Sociodemographic factors played a larger role in predicting delay discounting behavior than family history of psychopathology. These results do not support the hypothesis that children with greater risk for psychopathology display steeper delay discounting behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,086
Tête enseignante GPT0,364
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207