Distinctive Neural Substrates of low and high Risky Decision Making: Evidence from the Balloon Analog Risk Task
Notice bibliographique
Résumé
Abstract Human beings exhibit varying risk-taking behaviors in response to different risk levels. Despite numerous studies on risk-taking in decision-making, the neural mechanisms of decision-making regarding risk levels remains unclear. To investigate the neural correlates of individual differences in risk-taking under different risk-levels, we analyzed behavioral data of the Balloon Analogue Risk Task (BART) and resting-state functional Magnetic Resonance Imaging (rs-fMRI) data of healthy participants (22–39 years, N = 93) from the University of California, Los Angeles Consortium for Neuropsychiatric Phenomics dataset. In the BART, the participants decided to pump for more points or stop pumping to avoid explosion of the balloons, where the risk level was manipulated by the explosion likelihood which was distinguished by the balloon color (blue for low-, red for high- risk condition). Compared with low-risk condition, the participants pumped less number, exploded more balloons, and showed more variability in pump numbers in high-risk condition, demonstrating the effective manipulation of the risky level. Next, resting state features and functional connectivity (rsFC) strength were associated with behavioral measures in low- and high-risk conditions. We found that the explosion number of balloons were correlated with the low frequency fluctuations (ALFF) in the left dorsolateral prefrontal cortex (L. DLPFC), the rsFC strength between L. DLPFC and the left anterior orbital gyrus in the low-risk condition. In the high-risk condition, we found variability in pump numbers was correlated with the ALFF in the left middle/superior frontal gyrus, the fractional ALFF (fALFF) in the medial segment of precentral gyrus (M. PrG), and the rsFC strength between the M. PrG and bilateral precentral gyrus. Our results highlighted significance of the L. DLPFC in lower risky decision making and the precentral gyrus in higher risky decision making, suggesting that distinctive neural correlates underlie the individual differences of decision-making under different risk level.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| 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) | 0,002 | 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 ».