Impact of depressive episodes on cognitive deficits in early bipolar disorder: data from the Systematic Treatment Optimization Programme for Early Mania (STOP-EM)
Notice bibliographique
Résumé
BACKGROUND: Although manic episodes reportedly contribute to cognitive deficits in bipolar I disorder, the contribution of depressive episodes is poorly researched. AIMS: We investigated the impact of depressive episodes on cognitive function early in the course of bipolar I disorder. METHOD: A total of 68 patients and 38 controls from the Systematic Treatment Optimization Programme for Early Mania (STOP-EM) first-episode mania programme were examined. We conducted (a) a cross-sectional analysis of the impact of prior depressive episodes on baseline cognitive function and (b) a prospective analysis assessing the contribution of depression recurrence within 1 year following a first episode of mania on cognitive functioning. RESULTS: The cross-sectional analysis showed no significant differences between patients with past depressive episodes compared with those without, on overall or individual domains of cognitive function (all P>0.09). The prospective analysis failed to reveal a significant group×time interaction for cognitive decline from baseline to 1 year (P = 0.99) in patients with a recurrence of depressive episodes compared with those with no recurrence. However, impaired verbal memory at baseline was associated with a depression recurrence within 1 year. CONCLUSIONS: Although deficits in all domains of cognitive function are seen in patients early in the course of bipolar disorder, depressive episodes do not confer additional burden on cognitive function. However, poorer verbal memory may serve as a marker for increased susceptibility to depression recurrence early in the course of illness.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».