Domain-specific associations between social cognition and aggression in schizophrenia spectrum disorders
Notice bibliographique
Résumé
Aggression in schizophrenia spectrum disorders (SSD) is rare but elevated relative to the general population. Existing studies have not identified reliable personal predictors of aggression in SSD. In line with social information processing models suggesting that difficulties interpreting social cues and others' intentions may lead to aggression, we evaluated whether social cognitive domains or global social cognition could be modifiable risk factors in SSD. We examined aggression and social cognition in 59 participants with SSD and 43 healthy volunteers (HV). Self-reported aggression was measured via the Reactive-Proactive Aggression Questionnaire (RPAQ). Social cognition was assessed using five tasks measuring emotion processing, theory of mind , and social perception. Group differences were analyzed using Mann-Whitney-Wilcoxon tests. Multiple regressions examined effects of social cognition on aggression, controlling for demographic and clinical covariates. Supplemental mediation analyses tested whether impairments in emotion processing, theory of mind , or overall social cognition explained the relationship between SSD diagnosis and increased aggression. Reported aggression was higher in the SSD group, and social cognitive abilities were impaired across domains ( p < .001). Better emotion processing (β = −0.35, p = .03) and theory of mind (β = −0.32, p = .03) predicted lower aggression in SSD, even when accounting for demographic and neurocognitive variables. Exploratory models adjusting for overall psychiatric symptom severity showed that theory of mind remained significant, while emotion processing attenuated. However, social cognition did not mediate the relationship between diagnosis and aggression. Future studies should examine other social processing factors, such as attributional bias.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».