Effects of Tobacco Smoking on Neuropsychological Function in Schizophrenia in Comparison to Other Psychiatric Disorders and Non‐psychiatric Controls
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Compared to the general population cigarette smoking prevalence is elevated in psychiatric disorders such as schizophrenia (SZ), bipolar disorder (BD), and major depressive disorder (MDD). These disorders are also associated with neurocognitive impairments. Cigarette smoking is associated with improved cognition in SZ. The effects of smoking on cognition in BD and MDD are less well studied. METHODS: We used a cross-sectional design to study neuropsychological performance in these disorders as a function of smoking status. Subjects (N = 108) were SZ smokers (n = 32), SZ non-smokers (n = 15), BD smokers (n = 10), BD non-smokers (n = 6), MDD smokers (n = 6), MDD non-smokers (n = 10), control smokers (n = 12), and control non-smokers (n = 17). Participants completed a neuropsychological battery; smokers were non-deprived. RESULTS: SZ subjects performed significantly worse than controls in select domains, while BD and MDD subjects did not differ from controls. Three verbal memory outcomes were improved in SZ smokers compared with non-smokers; smoking status did not alter performance in BD or MDD. CONCLUSIONS AND SCIENTIFIC SIGNIFICANCE: These data suggest that smoking is associated with neurocognitive improvements in SZ, but not BD or MDD. Our data may suggest specificity of cigarette-smoking modulation of neurocognitive deficits in SZ.
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.
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 | 0,001 | 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 | 0,001 |
| 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 découle