Schizophrénie et violence : rôle de l’impulsivité, étude en imagerie fonctionnelle
Bibliographic record
Abstract
De nombreuses études ont montré qu’il y a une association entre les comportements violents et le fait d’avoir un diagnostic de schizophrénie (Sz) [1,2]. Cependant, il a aussi été démontré que seulement une minorité des patients sera violente . Plusieurs études ont considéré ces phénomènes afin de mieux identifier les personnes à risque et, par la suite, des échelles d’évaluation où l’on retrouve des facteurs de risque psychosociaux ont été développées. Bien qu’intéressantes, ces échelles demeurent imparfaites pour déterminer le risque . Face à cette situation, la neurobiologie du risque a commencé à se développer, mais encore peu d’études ont examiné les corrélats neuronaux de la violence dans cette population, et particulièrement, en ce qui concerne les facteurs liés à l’expérience émotionnelle et au contrôle pulsionnel. Notre équipe a donc réalisé deux études d’imagerie par résonance magnétique fonctionnelle (IRMf) chez cette population. Les résultats de ces 2 études seront présentés. Brièvement, le projet portant sur l’expérience des émotions négatives a montré une hyperactivation du cortex cingulaire antérieur dorsal chez les patients Sz violents (SzV), comparativement aux patients Sz non violents (SzNV) et aux témoins sains (TS). Il s’agit d’un résultat intéressant puisque cette zone est impliquée dans la régulation émotionnelle. Les résultats préliminaires de la deuxième étude montrent, en utilisant une tâche de prise de risque, que les patients SzV ont des activations importantes dans le système de récompense du cerveau lors de la réception d’une récompense en argent (x = −24 ; y = −13 ; z = 13 ; p < 0,001 ; 3080 mm3), comparativement aux patients SzNV et aux TS. Les résultats de nos deux premières études montrent ainsi qu’une spécificité neurobiologique existe chez les patients violents en ce qui a trait à la régulation émotionnelle et à l’activation du système de récompense.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".