Alexithymia predicts face emotion perception after acquired brain injury
Notice bibliographique
Résumé
BACKGROUND: This study investigated the presence and level of alexithymia and examined the relationship between alexithymia and affect recognition abilities after acquired brain injury (ABI), accounting separately for etiology due to stroke or traumatic brain injury (TBI). METHODS: Ninety-nine neurologically healthy adults (NHA) and 119 adults with moderate-to-severe ABI (63 TBI, 56 stroke) participated. Main measures included the Toronto Alexithymia Scale-20 (TAS-20) and Multicultural Facial Emotion Perception Test (MFEPT). RESULTS: ABI groups endorsed greater alexithymia than NHA, but TBI and stroke subgroups did not significantly differ. Hierarchical multiple regression indicated that TAS-20 subscales difficulty identifying feelings (DIF) and externally oriented thinking (EOT), but not Difficulty Describing Feelings (DDF), added unique value to predicting objective affect recognition (MFEPT) after accounting for age, education, sex, face recognition ability, and general cognitive function. Moreover, the relationship between alexithymia and affect recognition was moderated by group: DIF and DDF were inversely related to MFEPT only for adults with ABI. EOT was inversely related to affect recognition for all three groups. CONCLUSIONS: Adults with ABI experience alexithymia more frequently and intensely than neurologically healthy adults, and this impairment may partly underlie struggles with affective processing frequently observed in these individuals on experimental tasks and in real-world interactions.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».