A dimensional latent variable model approach to connecting psychopathology and neurocognition hierarchies.
Notice bibliographique
Résumé
= 715 female) with current mental health concerns participated in this online research study and completed questionnaires of dimensional psychopathology and comprehensive neuropsychological testing using measures with previously established latent hierarchical structures. A series of confirmatory and exploratory higher-order, bifactor, and correlated factors models were tested. Hierarchical regressions and structural models were used to test associations between psychopathology and neurocognition dimensions. An exploratory six-factor bifactor model (general psychopathology, harmful substance use, anxiety, detachment, depression, posttraumatic stress) and a confirmatory five-factor model of psychopathology (general psychopathology, internalizing, externalizing, thought, detachment plus method factor) emerged. An exploratory three-factor bifactor model of neurocognition (general neurocognition, executive function, and social cognition) was retained. Hierarchical regressions revealed a significant negative association of general psychopathology with general neurocognition. Detachment was associated with a further decrement in general neurocognition and social cognition. A positive association was found between anxiety and social cognition. Within a structural model between the five-factor bifactor model of psychopathology and three-factor bifactor model of neurocognition, only the association between detachment and general neurocognition remained significant. Higher levels of detachment are most consistently associated with decrements in general neurocognition across different models. (PsycInfo Database Record (c) 2026 APA, all rights reserved).
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».