Attentional Dynamics During Emotional Face Processing Differentiate Alexithymia From Mood and Affective Symptoms
Notice bibliographique
Résumé
INTRODUCTION: Alexithymia refers to difficulties in experiencing and expressing emotions, differentiating them from bodily sensations, restricted imagination, and externally oriented thinking. Mood and affective symptoms are often confounded with alexithymia due to the typical assessment through self-report. Performance measures may allow a more objective assessment of alexithymia. The goal of this study was to identify unique or shared performance-based features during emotional face processing. METHODS: A total of 171 students provided data on alexithymia (BVAQ) and mood/affective symptoms (DASS-21), along with performance and eye movements during an emotional face processing task. LASSO regressions isolated features associated with alexithymia or mood/affective symptoms. RESULTS: Cognitive alexithymia in the BVAQ was linked to delayed attentional disengagement from facial eye regions, increased face fixations/visual search, and accurate but slower responses. Mood/affective symptoms showed a pervasive link to faster but less accurate responses, accompanied by decreased facial fixations and visual search. CONCLUSION: Performance-based attentional dynamics during emotional face processing clearly distinguished (cognitive) alexithymia from mood and may aid in a multi-method assessment of alexithymia. Metrics such as these may better reflect behavioral dispositions and can be used as possible transdiagnostic markers of psychopathology.
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) | 0,000 | 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 ».