Multiple risk markers for increases in depression symptoms across two years: Evidence from the reward positivity and the error-related negativity
Notice bibliographique
Résumé
Both a blunted Reward Positivity (RewP) and Error-Related Negativity (ERN) have been associated with depression. Associations between these neural markers and depression have been observed cross-sectionally, but evidence that they can prospectively predict the development of, or increases in, symptoms of depression is more limited. In this study, we collected EEG data from 157 young adults at a baseline visit (T1), using the Doors and Flanker Tasks to elicit the RewP and the ERN respectively. Participants also reported on symptoms of depression at T1, and multiple times across two academic years (T2 – T8). Using a multilevel model with the RewP and the ERN as predictors, we found that the RewP predicted future symptoms of depression, while controlling for symptoms of depression at T1, such that a blunted RewP at baseline predicted higher depressive symptoms later. In our data, however, the ERN was not a significant predictor of increases in depression symptoms. These findings replicate previous work showing the RewP prospectively predicted increases in depression, and further suggest the specificity of this association. Results support the utility of the RewP as a neurophysiological marker that can help clarify the etiology of depression and inform treatment planning. • RewP and ERN were simultaneously considered as depression risk markers • A blunted RewP at baseline predicted greater future depression symptoms • The ERN did not significantly predict increases in depression symptoms over time • Findings suggest the specificity of the association between the RewP and depression
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 | 0,001 | 0,003 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».