Neural basis of guilt: a quantitative and connectivity meta-analysis of functional imaging studies
Notice bibliographique
Résumé
Background. Guilt is the feeling of having committed some wrong against oneself or another person. While guilt is a part of normal human experience, there is also a relationship between excessive guilt and several mental disorders, including depression, post-traumatic stress disorder, obsessive-compulsive disorder, psychosis, antisocial personality disorder and suicide. Understanding the normal and pathological physiology of guilt is therefore important. In recent years, a number of neuroimaging studies have investigated the neural correlates of guilt. Here, we aimed at quantitatively summarizing the published neuroimaging studies of guilt-processing using meta-analytic methods. Methods. A systematic review of literature conducted until January 2014 found eleven studies meeting inclusion criteria, including ten using whole-brain functional Magnetic Resonance Imaging (fMRI) and one using Positron Emission Tomography (PET) for a total of 196 participants. As few studies were conducted on patients, we restricted our analyses to healthy individuals to reduce heterogeneity. A meta-analysis was then conducted using the activation likelihood estimation program GingerALE. An additional Meta-Analytic Connectivity Modelling (MACM) analysis was conducted to investigate functional connectivity of significant clusters. Results. The analysis revealed ten significant brain clusters of activation encompassing the left medial frontal gyrus, bilateral anterior cingulate cortex, superior temporal gyrus, precuneus, lingual gyrus, cuneus and insula. Conclusions. Our analysis identified a network of connected brain regions playing a central role in guilt processing, areas that are thought to be involved in abstract moral value processing, self-representation and theory of mind, and encompassing the default-mode network. We believe that these results contribute to a broader understanding of guilt and could ultimately enable the development of targeted forms of treatment in mental health conditions when guilt is a significant issue.
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 | 0,021 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,029 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».