The cognitive model of negative symptoms: a systematic review and meta-analysis of the dysfunctional belief systems associated with negative symptoms in schizophrenia spectrum disorders
Notice bibliographique
Résumé
Abstract Background The hypothesized cognitive model of negative symptoms, proposed nearly twenty years ago, is the most prevalent psychological framework for conceptualizing negative symptoms in schizophrenia spectrum disorders (SSDs). The aim of this study was to comprehensively validate the model for the first time, specifically by quantifying the relationships between negative symptom severity and all related dysfunctional beliefs. Methods A systematic search was conducted using MEDLINE and PsychINFO, supplemented by manual reviews of reference lists and Google Scholar. Eligible studies were peer-reviewed with data on the direct cross-sectional association between negative symptoms and at least one relevant dysfunctional belief in SSD patients. Screening and data extraction were completed by independent reviewers. Random-effects meta-analyses were performed to pool effect size estimates of z -transformed Pearson’s r correlations. Moderators of these relationships, as well as subset analyses for negative symptom domains and measurement instruments, were also assessed. Results Significant effects emerged for the relationships between negative symptoms and defeatist performance beliefs (k = 38, n = 2808), r = 0.23 (95% CI, 0.18–0.27), asocial beliefs (k = 8, n = 578), r = 0.21 (95% CI, 0.12–0.28), low expectancies for success (k = 55, n = 5664), r = −0.21 (95% CI, −0.15 – −0.26), low expectancies for pleasure (k = 5, n = 249), r = −0.19 (95% CI, −0.06 – −0.31), and internalized stigma (k = 81, n = 9766), r = 0.17 (95% CI, 0.12–0.22), but not perception of limited resources (k = 10, n = 463), r = 0.08 (95% CI, −0.13 – 0.27). Conclusions This meta-analysis provides support for the cognitive model of negative symptoms. The identification of specific dysfunctional beliefs associated with negative symptoms is essential for the development of precision-based cognitive-behavioral interventions.
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 | 0,018 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,023 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».