The influence of comorbid disorders on the episodicity of bipolar disorder in youth
Notice bibliographique
Résumé
OBJECTIVE: Bipolar disorder (BP) frequently co-occurs with other psychiatric disorders. We examine whether course of anxiety disorders (ANX), attention deficit hyperactivity disorder (ADHD), disruptive behavior disorders (DBD), and substance use disorders (SUD) influence likelihood of recovery and recurrence of depression and mania in BP youth. METHOD: Weekly ratings of psychiatric disorder intensity were obtained from 413 participants of the Course and Outcome of BP Youth project, followed for an average of 7.75 years. Multiple-event Cox proportional hazards regression analyses examined worsening of comorbid disorders as predictors of mood episode recovery and recurrence. RESULTS: Increased severity in ANX and SUD predicted longer time to recovery and less time to next depressive episode, and less time to next manic episode. Multivariate models with ANX and SUD found that significant effects of ANX remained, but SUD only predicted longer time to depression recovery. Increased severity of ADHD and DBD predicted shorter time to recurrence for depressive and manic episodes. CONCLUSION: There are significant time-varying relationships between the course of comorbid disorders and episodicity of depression and mania in BP youth. Worsening of comorbid conditions may present as a precursor to mood episode recurrence or warn of mood episode protraction.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».