Irregularity of visual motion perception and negative symptoms in schizophrenia
Notice bibliographique
Résumé
Schizophrenia (SZ) is a severe psychiatric disorder characterized by perceptual, emotional, and behavioral abnormalities, with cognitive impairment being a prominent feature of the disorder. Recent studies demonstrate irregularity in SZ with increased variability on the neural level. Is there also irregularity on the psychophysics level like in visual perception? Here, we introduce a methodology to analyze the irregularity in a trial-by-trial way to compare the SZ and healthy control (HC) subjects. In addition, we use an unsupervised clustering algorithm K-means + + to identify SZ subgroups in the sample, followed by validation of the subgroups based on intraindividual visual perception variability and clinical symptomatology. The K-means + + method divided SZ patients into two subgroups by measuring durations across trials in the motion discrimination task, i.e., high, and low irregularity of SZ patients (HSZ, LSZ). We found that HSZ and LSZ subgroups are associated with more negative and positive symptoms respectively. Applying a mediation model in the HSZ subgroup, the enhanced irregularity mediates the relationship between visual perception and negative symptoms. Together, we demonstrate increased irregularity in visual perception of a HSZ subgroup, including its association with negative symptoms. This may serve as a promising marker for identifying and distinguishing SZ subgroups.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».