Nonlinear dynamics of mood regulation in bipolar disorder
Notice bibliographique
Résumé
OBJECTIVES: We sought to study the underlying dynamic processes involved in mood regulation in subjects with bipolar disorder and healthy control subjects using time-series analysis and to then analyze the relation between anxiety and mood using cross-correlation techniques. METHODS: We recruited 30 healthy controls and 30 euthymic patients with bipolar disorder. Participants rated their mood, anxiety, and energy levels using a paper-based visual analog scale; and they also recorded their sleep and any life events. Information on these variables was provided over a three-month period on a daily basis, twice per day. We analyzed the data using Box-Jenkins time series analysis to obtain information on the autocorrelation of the series (for mood) and cross-correlation (mood and anxiety series). RESULTS: Throughout the study, we analyzed 10,170 data points. Self-ratings for mood, anxiety, and energy were normally distributed in both groups. Autocorrelation functions for mood in both groups were governed by the autoregressive integrated moving average (ARIMA) (1,1,0) model, which means that current values in the series were related to one previous point only. We also found a negative cross-correlation between mood and anxiety. CONCLUSIONS: Mood can be considered a memory stochastic process; it is a flexible, dynamic process that has a 'short memory' both in healthy controls and euthymic patients with bipolar disorder. This process may be quite different in untreated patients or in those acutely ill. Our results suggest that nonlinear measures can be applied to the study of mood disorders.
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 ».