The Sensitivity Threshold Model (STM): A Systems-Based Framework for Load-Induced Psychopathology and Autoimmune Breakdown
Notice bibliographique
Résumé
The Sensitivity Threshold Model (STM) is a novel systems-level hypothesis proposing that many complex disorders—ranging from schizophrenia to autoimmune arthritis and type 1 diabetes—emerge from chronic overload in biologically sensitive systems. Traditional models often emphasize localized dysfunctions, such as dopamine imbalance or immune misrecognition, but STM reframes these as downstream consequences of sustained internal or external stress exceeding the system’s adaptive threshold.By introducing sensitivity as a core variable, STM refines the classic stress-diathesis framework and explains why some individuals break down under environmental or emotional stressors while others remain resilient. The model integrates principles from systems neuroscience, information theory, allostatic load, and differential susceptibility to construct a dynamic architecture of threshold failure, overload, and disease progression. It predicts that breakdown occurs when cumulative load overwhelms the processing capacity of sensitive systems—whether cognitive, immune, or metabolic—triggering cascading dysfunctions.This paper outlines the theoretical foundation of STM, presents empirical studies that support early-stage hypersensitivity in schizophrenia, and proposes methods for empirical validation through experimental, longitudinal, and AI-based modeling approaches. STM offers a unifying systems-based framework for understanding the emergence of psychiatric, autoimmune, and degenerative disorders through the lens of threshold collapse in sensitive individuals.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».