Multi-state models for investigating possible stages leading to bipolar disorder
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: It has been proposed that bipolar disorder onsets in a predictable progressive sequence of clinical stages. However, there is some debate in regard to a statistical approach to test this hypothesis. The objective of this paper is to investigate two different analysis strategies to determine the best suited model to assess the longitudinal progression of clinical stages in the development of bipolar disorder. METHODS: Data previously collected on 229 subjects at high risk of developing bipolar disorder were used for the statistical analysis. We investigate two statistical approaches for analyzing the relationship between the proposed stages of bipolar disorder: 1) the early stages are considered as time-varying covariates affecting the hazard of bipolar disorder in a Cox proportional hazards model, 2) the early stages are explicitly modelled as states in a non-parametric multi-state model. RESULTS: We found from the Cox model thatthere was evidence that the hazard of bipolar disorder is increased by the onset of major depressive disorder. From the multi-state model, in high-risk offspring the probability of bipolar disorder by age 29 was estimated as 0.2321. Cumulative incidence functions representing the probability of bipolar disorder given major depressive disorder at or before age 18 were estimated using both approaches and found to be similar. CONCLUSIONS: Both the Cox model and multi-state model are useful approaches to the modelling of antecedent risk syndromes. They lead to similar cumulative incidence functions but otherwise each method offers a different advantage.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle