The link between psychosis, negative affect, and violence: A systematic review
Notice bibliographique
Résumé
A moderate positive association has consistently been observed between psychosis and violence in existing literature. However, substantial variation is present across individual studies, and there is preliminary support for negative affect (i.e., anger, hostility, anxiety) as a causal link between these two constructs to explain the heterogeneity of results. Due to the limited scope of previous reviews and relevant studies published since, a systematic review of 35 empirical studies ( N = 15,597) was conducted to examine if, across existing literature that includes all three constructs, negative affect may correlate or mediate the preestablished relationship between psychosis diagnosis and/or symptoms and violence. Anger or hostility was positively associated with violence or physical aggression for individuals with a diagnosis and/or symptoms of psychosis in 31 (89 %) of the studies, of which seven were cross-sectional, nine were retrospectively predictive, and 19 were prospective. Anger which followed positive psychosis symptoms played a positive statistically mediating role in participants' subsequent violence in all six studies that investigated this pathway. Within studies that examined other forms of negative affect (anxiety, depression, fear), nine discovered positive association with violence, six found negative association, and seven demonstrated no association. These results align with theoretical models of violence in individuals with psychosis, suggesting that psychosis is a sometimes necessary but often insufficient risk factor for violence. When assessing violence risk for individuals with psychosis, negative affect may be critical to consider alongside symptoms in case formulation and to target in subsequent intervention efforts, as opposed to symptoms in isolation.
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 | 0,004 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».