The hierarchical taxonomy of psychopathology and the search for neurobiological substrates of mental illness: A systematic review and roadmap for future research.
Notice bibliographique
Résumé
Understanding the neurobiological mechanisms involved in psychopathology has been hindered by the limitations of categorical nosologies. The Hierarchical Taxonomy of Psychopathology (HiTOP) is an alternative dimensional system for characterizing psychopathology, derived from quantitative studies of covariation among diagnoses and symptoms. HiTOP provides more promising targets for clinical neuroscience than traditional psychiatric diagnoses and can facilitate cumulative integration of existing research. We systematically reviewed 164 human neuroimaging studies with sample sizes of 194 or greater that have investigated dimensions of psychopathology classified within HiTOP. Replicated results were identified for constructs at five different levels of the hierarchy, including the overarching p-factor, the externalizing superspectrum, the thought disorder and internalizing spectra, the distress subfactor, and the depression symptom dimension. Our review highlights the potential of dimensional clinical neuroscience research and the usefulness of HiTOP while also suggesting limitations of existing work in this relatively young field. We discuss how HiTOP can be integrated synergistically with neuroscience-oriented, transdiagnostic frameworks developed by the National Institutes of Health, including the Research Domain Criteria, Addictions Neuroclinical Assessment, and the National Institute on Drug Abuse's Phenotyping Assessment Battery, and how researchers can use HiTOP to accelerate clinical neuroscience research in humans and other species. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
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 | 0,057 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,014 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».