Typology of clinical course in bipolar disorder based on 18-month naturalistic follow-up
Notice bibliographique
Résumé
BACKGROUND: Individual variation in the clinical course of bipolar disorder may have prognostic and therapeutic implications but is poorly reflected in current classifications. We aimed to establish a typology of the individual clinical trajectories based on detailed prospective medium-term follow-up. Method Latent class analysis (LCA) of nine characteristics of clinical course (time depressed, severity of depression, stability of depression, time manic, severity of mania, stability of mania, mixed symptoms, mania-to-depression and depression-to-mania phase switching) derived from life charts prospectively tracking the onsets and offsets of (hypo)manic, depressive, mixed and subsyndromal episodes in a representative sample of 176 patients with bipolar disorder. RESULTS: The best-fitting model separated patients with bipolar disorder into large classes of episodic bipolar (47%) and depressive type (32%), moderately sized classes characterized by prolonged hypomanias (10%) and mixed episodes (5%) and five small classes with unusual course characteristics including mania-to-depression and depression-to-mania transitions and chronic mixed affective symptoms. This empirical typology is relatively independent of the distinction between bipolar disorder type I and type II. Lifetime co-morbidity of alcohol use disorders is characteristic of the episodic bipolar course type. CONCLUSIONS: There is potential for a new typology of clinical course based on medium-term naturalistic follow-up of a representative clinical sample of patients with bipolar disorder. Predictive validity and stability over longer follow-up periods remain to be established.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».