SU8. Prevention Research in Major Psychoses Should Draw Concepts From Other Complex Disorders
Notice bibliographique
Résumé
Background: Today’s medicine suffers from silos between major psychiatric disorders (MP: schizophrenia, bipolar disorder, recurrent major depression) and other severe complex disorders (eg, cardiovascular, cancer, diabetes). Not only can different complex disorders affect the same patient but they partially share their genetic, environmental, and developmental roots.1–3 Realizing these facts has high clinical and research significance. We compare here the common genetic and biological grounds between complex disorders, the methodological framework guiding clinical surveillance of at-risk children in other fields of medicine and how we can draw from them to inspire future clinical trials in MP prevention. Methods: We reviewed the approaches and clinical guidelines for prevention and early detection of cardiovascular disorders,4 diabetes,5 and asthma6 in children at risk. We could identify common core elements among existing guidelines. We then reviewed the literature on the childhood determinants of MP. Results: The literature showed that all these complex disorders share concepts and methods in their respective risk factors such as familial history, risk endophenotypes, subclinical traits or symptoms, and, later in the risk trajectory, help-seeking behaviors. Complex disorders also share the observation of progressive clustering of risk indicators in young individuals. In contrast to other disorders, no international clinical guidance exists for MP even though risk factors have been well identified, eg, cognitive deficits, electrophysiological anomalies or psychotic-like experiences in childhood. Conclusion: The roots of many complex diseases including MP can be dug up from childhood. In most complex disorders except psychiatry, risk indicators and their aggregation along the risk trajectory have provided a basis for practice guidelines that have outlined evaluation requirements, types of surveillance and even early intervention in lifestyle, nutrition, remediation, or even medical treatment. For MP, even when the accumulated evidence is not sufficient to drive specific preventive treatments, it is at least known how to identify the children most at risk. Realizing these empirical facts may help professionals and scientists to initiate a dialogue with academic authorities to foster clinical guidelines in psychiatry. References 1.Shonkoff JP et al. JAMA. 2009. 2.Maziade M, Paccalet T. Schizophr Res. 2013. 3.Maziade M, Paccalet T. JAMA Pediatr. 2014. 4.Expert Panel on Integrated Guidelines for Cardiovascular Health and Risk Reduction in Children and Adolescents. Pediatrics. 2011. 5.Canadian Diabetes Association. Can J Diabetes. 2013. 6.Ducharme FM et al. Can Respir J. 2015.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».