Effects of Tobacco Smoking on Neuropsychological Function in Schizophrenia in Comparison to Other Psychiatric Disorders and Non‐psychiatric Controls
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».