Approximate entropy of self‐reported mood prior to episodes in bipolar disorder
Notice bibliographique
Résumé
BACKGROUND: Approximate entropy (ApEn) measures regularity in time series data, while traditional linear statistics measure variability. Using self-reported mood data from patients with bipolar disorder, this preliminary study addressed whether ApEn could distinguish (i) the 60 days prior to the start of a manic or depressed episode from the 60 days prior to a month of euthymia, and (ii) the 60 days prior to a manic episode from the 60 days prior to a depressed episode. METHODS: Self-reported mood data from 49 outpatients with bipolar disorder receiving standard treatment were analysed. The data contained 27 episodes (12 manic and 15 depressed), and 43 periods of 1 month of euthymia. For the 60 days prior to episode or euthymia, the ApEn, linear statistics and the correlation between linear and non-linear measures were calculated. RESULTS: ApEn was significantly greater in the 60 days prior to a manic or depressive episode than the 60 days prior to a month of euthymia. The onset of an episode was associated with greater irregularity in mood. Variability was also significantly larger and correlated with ApEn. ApEn was significantly greater in the 60 days prior to a manic episode than in the 60 days prior to a depressed episode, whereas measures of variability were not significantly different. Mood in the 60 days prior to mania was more irregular than prior to depression. CONCLUSIONS: Non-linear measures may complement traditional linear measures in the analysis of longitudinal data in bipolar disorder. A larger study is indicated.
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) | 0,001 | 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 | 0,000 |
| 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 ».