Investigating disorder-specific and transdiagnostic alterations in model-based and model-free decision-making
Notice bibliographique
Résumé
Background Decision-making alterations are present in psychiatric illnesses like major depressive disorder (MDD), obsessive–compulsive disorder (OCD), and schizophrenia, linked to symptoms of the respective disorders. We sought to analyze unique and shared decision-making alterations in these disorders, which is crucial for early diagnosis and treatment, especially given potential comorbidities. Methods Using 2 computational modelling approaches — logistic regression and hierarchical Bayesian modelling — we analyzed alterations in model-based and model-free decision-making in a transdiagnostic cohort of patients with MDD, OCD, or schizophrenia. Our aim was to identify disorder-specific and shared alterations and their associations with symptoms. Results We included 23 patients with MDD, 25 patients with OCD, 27 patients with schizophrenia, and 25 controls. Overall, participants of all groups relied on model-free decision-making. Patients with schizophrenia had the lowest learning rate and highest switching rate, indicating low perseverance. Furthermore, patients with OCD were more random in both task stages than controls and patients with MDD. All patient groups exhibited more randomness in responses than controls, with the schizophrenia group showing the highest levels. Increased model-free behaviour correlated with elevated depressive symptoms, and more model-based decision-making was linked to lower anhedonia levels across all patient groups. Limitations The sample size in each group was small. Conclusion This study highlights disorder-specific and shared decision-making alterations among people with MDD, OCD, or schizophrenia. Our findings suggest that anhedonia and depressive symptoms, which are present in all 3 disorders, share underlying behavioural mechanisms. Improving model-based behaviour may be a target for intervention and treatment. Furthermore, completely random behaviour in the 2-step task appears to distinctly differentiate patients with schizophrenia in remission.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».