MétaCan
Menu
Retour à la cohorte
Enregistrement W4409330723 · doi:10.31234/osf.io/y4vpt_v1

Inhibitory Control Deficits in Borderline Personality Disorder: A Meta-Analysis of Stop-Signal and Go/No-Go Tasks

2025· preprint· en· W4409330723 sur OpenAlexfundno aff
Nadine Barakat

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensnon disponible
Organismes subventionnairesFondation Pierre Deniker pour la Recherche et la Prévention en Santé MentaleUniversité de MontréalAgence Nationale de la RechercheFondation Neurodis
Mots-clésBorderline personality disorderInhibitory controlStop signalMeta-analysisGo/no goPsychologyResponse inhibitionSIGNAL (programming language)Inhibitory postsynaptic potentialClinical psychologyNeuroscienceComputer scienceMedicineInternal medicineTelecommunicationsMachine learning

Résumé

récupéré en direct d'OpenAlex

Impulsivity, a multifaceted construct, is a core feature of Borderline Personality Disorder (BPD), associated with functional impairment and suicide mortality. Findings on motor inhibitory control, a key dimension of impulsivity, in BPD are heterogeneous. This PRISMA-guided meta-analysis examines motor inhibitory control in adults with BPD compared to healthy controls (HC), using Stop-Signal Task and Go/No-Go Task data. Thirty-seven datasets from 35 articles were included. Results from random-effect models suggest that BPD patients exhibit significantly higher motor inhibitory control deficits than HC, with a small to moderate effect size. Contrary to common assumptions, a mixed-model effect found that emotional factors did not moderate inhibitory control in BPD. Finally, the meta-analysis revealed that self-reported impulsivity measures did not correlate with task performance, suggesting that subjective and objective measures of impulsivity may assess different facets of the construct. These findings highlight the need for greater standardization of task-based measures of impulsivity, as methodological heterogeneity and quality currently limit replicability across studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,024
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0080,026
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,344
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPersonality Disorders and PsychopathologyTravaux en français237 207