Inflammatory and metabolic biomarkers of psychopathological dimensions of schizophrenia
Notice bibliographique
Résumé
Introduction The concept of schizophrenia as a systemic disease includes, not only psychosis, but an increase in somatic comorbidity and cardiovascular risk [1]. Furthermore, it is known the implication of inflammation in the pathogenesis of schizophrenia [2]. Objectives To determinate potential inflammatory/metabolic biomarkers of schizophrenia's dimensions. Methods Sample: 36 outpatients with schizophrenia for less than 11 years, under stable maintenance treatment (mean age [32.25], males [63.9%]) and their 36 matched controls (age [32.53 ± 6.63]; males [72.2%]). Evaluation PANSS, Clinical Assessment Interview for Negative Symptoms(CAINS), Calgary Scale(CDS), CGI, Personal and Social Performance Scale(PSP). Biomarkers: C-reactive protein (CRP), homocysteine, glucose, insulin, HOMA-IR (insulin resistance), cholesterol, HDL, LDL, triglycerides. Results Biomarkers differences between groups are shown in Table 1. Table 2 shows the correlations found after controlling for Body Mass Index [patients(28.61 ± 5.69);controls(24.64 ± 3.80);p = 0.001] and Smoking [patients(52.8%-yes);controls(5.6%-yes);p = 0.000]. Conclusions 1. CRP, a potential inflammatory biomarker in schizophrenia, is related to depression severity. Homocysteine, representing an oxidative stress, is related to positive, negative, cognitive and depressive symptoms severity, and worse functioning. 2. Patients with schizophrenia have lower HDL–related to negative and cognitive symptoms severity and worse functioning–and insulin resistance – related to worse cognition –. Disclosure of interest The authors have not supplied their declaration of competing interest.
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) | 0,000 | 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 ».