Examining the Neural Basis of Pain Tolerance and Fearlessness About Death in Suicide Risk: A Research Protocol
Notice bibliographique
Résumé
Introduction: Suicide is a global health concern that takes the lives of over 700,000 people each year. Suicide capability – including heightened pain tolerance and fearlessness about death – may explain the progression from suicidal ideation to a suicide attempt. Thus, investigating the neural circuitry associated with pain, fear, and suicide risk presents a unique opportunity to identify biomarkers of suicide capability and contribute to our understanding of the transition from suicidal ideation to suicide attempt. Methods: A total of 90 adults aged 18 to 65 will be recruited from Toronto, Canada. Participants will either be patients with current suicidal ideation but no previous suicide attempt (n=30), patients with current suicidal ideation and a suicide attempt within the past six months (n=30), or healthy controls (n=30). Participants will complete self-report measures and magnetic resonance imaging tasks measuring pain tolerance and fearlessness about death. Results: We expect that suicide attempters will exhibit significantly higher pain tolerance and fearlessness about death than suicide ideators or healthy controls. We also predict negative associations between self-reported suicide capability and pain- and fear-related neural activation. Discussion: Findings of the present study may contribute to the validation of ideation-to-action models of suicide by providing neurobiological evidence supporting the distinction between suicide ideators and attempters. Conclusion: By examining the neural underpinnings of suicide capability, our work contributes to the understanding of biomarkers indicating those at greatest risk of suicide.
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 | 0,048 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».