The impact of intimate partner violence on facial emotion recognition among Korean baby boomers
Notice bibliographique
Résumé
Background: Intimate partner violence (IPV) can have lasting psychological and cognitive effects, potentially impairing facial emotion recognition (FER). This study examines the accuracy of FER among IPV survivors compared to individuals without IPV experience within the Korean baby boomer generation, aged 60-69, exploring the relationship between IPV, post-traumatic stress disorder (PTSD) symptoms, and FER abilities.Objective: To assess whether IPV impacts FER accuracy and intensity and to investigate whether symptoms of PTSD moderate this relationship.Method: The study included 80 participants, with 31 % identified as IPV survivors. A self-administered survey collected information on lifetime experiences of physical, emotional, and sexual abuse, as well as assessments for PTSD symptoms. Participants completed the Korean Montreal Cognitive Assessment (K-MOCA) and performed 70 FER tasks to evaluate accuracy and intensity of facial emotions. Logistic regressions were used to analyse the relationship between IPV, PTSD symptoms, and FER performance.Results: IPV survivors demonstrated 0.64 times lower accuracy in recognizing overall facial emotions, including anger, sadness, surprise, and neutral expressions Additionally, IPV survivors exhibited significantly lower intensity scores for overall facial expressions. Significant interaction terms between IPV and PTSD symptoms indicate that PTSD symptoms moderate the effect of IPV on the FER, as well as neutral and sad facial expressions.Conclusions: IPV can disrupt one's ability to recognize facial emotions, and PTSD symptoms may moderate this impairment. This highlights the potential benefits of assisting IPV survivors with emotion recognition as part of their recovery process, which could enhance both social connections and their safety.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».