An examination of full and partial facial affect recognition in pediatric brain tumour survivors versus healthy controls after the onset of the Covid-19 pandemic
Bibliographic record
Abstract
Introduction. Il est bien établi que les survivants tumeurs cérébrales pédiatriques (STCP) éprouvent des difficultés sociales, et la reconnaissance d’émotions faciales a été étudiée comme un mécanisme sous-jacent. Cependant, l'influence possible de la pandémie sur les capacités de reconnaissance des affects chez les STCP reste inexplorée. La présente étude visait à comparer la reconnaissance des émotions faciales (avec accès au visage complet versus seulement la région des yeux) entre les STCP et des jeunes à développement typique ainsi qu’à examiner son association avec l'adaptation sociale. Méthode. Des STCP (n=23) au moins un an après le traitement et des contrôles (n=24) entre 8 et 16 ans ont complété le sous-test de reconnaissance des affects du NEPSY-II (visage complet) et la version enfant du Reading the Mind in the Eyes Test (RMET, seulement le haut du visage). Résultats. Les groupes ne différaient pas sur leurs habiletés de reconnaissance d’émotions et ceux-ci n’étaient pas associés à leur adaptation sociale. Comparé aux normes pré-pandémie, notre échantillon avait plus de difficultés dans leur capacité de reconnaissance d’émotions avec visage complet ainsi qu’une meilleure performance avec seulement le haut du visage disponible (p < .05). Les participants ont aussi obtenu de meilleurs résultats au RMET qu’au NEPSY-II (p< .05). Conclusion. En somme, la pandémie semble avoir joué un rôle sur les capacités de reconnaissance des émotions faciales, tant chez les STCP que chez les contrôles, soulignant la nécessité d'études futures sur les effets à long terme de la pandémie sur les compétences sociales des jeunes.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 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) | 0.001 | 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".