The Role of Cognition and Social Functioning as Predictors in the Transition to Psychosis for Youth With Attenuated Psychotic Symptoms
Notice bibliographique
Résumé
In the literature, there have been several attempts to develop prediction models for youth who are at clinical high risk (CHR) of developing psychosis. Although there are no specific clinical or demographic variables that seem to consistently predict the later transition to psychosis in those CHR youth, in addition to attenuated psychotic symptoms, the most commonly occuring predictors tend to be poor social functioning and certain cognitive tasks. Unfortunately, there has been little attempt to replicate alogorithms. A recently published article by Cornblatt et al suggested that, for individuals with attentuated psychotic symptoms (APS), disorganized communication, suspiciousness, verbal memory, and a decline in social functioning were the best predictors of later transition to psychosis (the RAP model). The purpose of this article was to first test the prediction model of Cornblatt et al with a new sample of individuals with APS from the PREDICT study. The RAP model was not the best fit for the PREDICT data. However, using other variables from PREDICT, it was demonstrated that unusual thought content, disorganized communication, baseline social functioning, verbal fluency, and memory, processing speed and age were predictors of later transition to psychosis in the PREDICT sample. Although the predictors were different in these 2 models, both supported that disorganized communication, poor social functioning, and verbal memory, were good candidates as predictors for later conversion to psychosis.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».