Clinical correlates of age at onset distribution in bipolar disorder: a comparison between diagnostic subgroups
Notice bibliographique
Résumé
BACKGROUND: Admixture analysis of age at onset (AAO) has helped delineating the clinical profile of early onset (EO) bipolar disorder (BD). However, there is scarce evidence comparing the distributional properties of AAO as well as the clinical features of EO BD type 1 (BD1) with EO BD type 2 (BD2). To this end, we studied 515 BD patients (224 BD1, 279 BD2, and 12 BD not otherwise specified [NOS]) diagnosed according to DSM-IV-TR criteria. METHODS: AAO was defined as the first reliably diagnosed hypo/manic or depressive episode according to diagnostic criteria. We used normal distribution mixture analysis to identify subgroups of patients according to AAO. Models were chosen according to the Schwarz's Bayesian information criteria (BIC). Clinical correlates of EO were analysed using univariate tests and multivariate logistic regression models. RESULTS: A two normal components model best fitted the observed distribution of AAO in BD1 (BIC = -1599.3), BD2 (BIC = -2158.4), and in the whole sample (BIC = -3854.9). A higher number of EO BD2 patients had a depression-(hypo)mania-free interval (DMI) course, while a higher rate of (hypo)mania-depression-free interval (MDI) course was found in EO BD1. EO BD2 had also a higher rate of comorbidity with alcohol dependence compared to EO BD1. The latter finding was confirmed by multivariate logistic regression analysis. CONCLUSIONS: In conclusion, both BD1 and BD2 had bimodal AAO distributions, but EO subgroups had a diagnostic-specific clinical delineation.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».