Autistische Züge bei Patientinnen mit Borderline-Persönlichkeitsstörung unter besonderer Berücksichtigung der Empathie
Bibliographic record
Abstract
Zusammenfassung. Auch wenn in der Literatur über eine häufige Komorbidität zwischen der Borderline-Persönlichkeitsstörung (BPS) und der Autismus-Spektrum-Störung (ASS) diskutiert wird und überlappende Merkmale zwischen diesen beiden Störungsbildern nachgewiesen wurden, finden sich bisher nur wenige empirische Untersuchungen zu diesem Thema. Zur Einschätzung der Ausprägung autistischer Züge in der BPS-Population wurde in Rahmen dieser Studie der Autism Spectrum Quotient (AQ) von 38 BPS-Patientinnen erhoben und Zusammenhänge zwischen der Symptomatik der beiden Störungsbilder untersucht. Mit Hilfe des Interpersonal Reactivity Index und der Toronto Alexithymia Scale wurden insbesondere die Bereiche Empathie und Alexithymie genauer betrachtet. Die explorative Auswertung dieser Studie ergab, dass fast die Hälfte der BPS-Patientinnen den Cut-off-Wert im AQ überschritten und somit autistische Züge in einer Subgruppe der BPS-Betroffenen ausgeprägt zu sein scheinen. Weiterhin fanden sich in dieser Subgruppe niedrigere Werte für kognitive Empathie und höhere Alexithymie-Werte. Die Relevanz und Implikationen dieser Ergebnisse im klinischen Kontext werden diskutiert.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".