Altered Perception of Environmental Volatility During Social Learning in Emerging Psychosis
Notice bibliographique
Résumé
Paranoid delusions or unfounded beliefs that others intend to deliberately cause harm are a frequent and burdensome symptom in early psychosis, but their emergence and consolidation still remains opaque. Recent theories suggest that overly precise prediction errors lead to an unstable model of the world providing a breeding ground for delusions. Here, we employ a Bayesian approach to test for such an unstable model of the world and investigate the computational mechanisms underlying emerging paranoia. We modelled behaviour of 18 first-episode psychosis patients (FEP), 19 individuals at clinical high risk for psychosis (CHR-P), and 19 healthy controls (HC) during an advice-taking task designed to probe learning about others' changing intentions. We formulated competing hypotheses comparing the standard Hierarchical Gaussian Filter (HGF), a Bayesian belief updating scheme, with a mean-reverting HGF to model an altered perception of volatility. There was a significant group-by-volatility interaction on advice-taking suggesting that CHR-P and FEP displayed reduced adaptability to environmental volatility. Model comparison favored the standard HGF in HC, but the mean-reverting HGF in CHR-P and FEP in line with perceiving increased volatility, although model attributions in CHR-P were heterogeneous. We observed correlations between perceiving increased volatility and positive symptoms generally as well as with frequency of paranoid delusions specifically. Our results suggest that FEP are characterised by a different computational mechanism - perceiving the environment as increasingly volatile - in line with Bayesian accounts of psychosis. This approach may prove useful to investigate heterogeneity in CHR-P and identify vulnerability for transition to psychosis.
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 | 0,001 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».