Subtypes of Schizophrenia: A Cluster Analytic Approach
Notice bibliographique
Résumé
OBJECTIVES: To identify empirical subtypes of schizophrenia, based upon the symptoms recorded over the duration of the illness, and to validate the resulting clusters against other systems that are used for subtyping schizophrenia. METHOD: Data for 55 symptoms of schizophrenia over the history of the illness from 107 chronic schizophrenia patients were analyzed using hierarchical cluster analysis with Euclidean distance and Ward's method. Except for 1 patient, all met DSM-III criteria. There were 40 men and 67 women, average (SD) age of 38.2 (9.91) years, with a mean (SD) hospitalization of 27.9 (27.35) months. RESULTS: No clear and unambiguous solution for the number of clusters was evident. Examination of the clusters led to further analysis of 2- and 6-cluster solutions. These were contrasted with DSM-III, DSM-III-R, and DSM-IV criteria and with the subtypes taken from the literature. There was limited support for any of these types, with none replicating, including the paranoid-nonparanoid distinction. CONCLUSIONS: Empirical clusters derived from lifetime symptom data failed to agree with either the established DSM or other empirically derived subtypes. Subtypes may have little utility when the variability of symptoms over the longitudinal course of the illness is considered.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 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 ».