Risk factors and peripheral biomarkers for schizophrenia spectrum disorders: an umbrella review of meta‐analyses
Notice bibliographique
Résumé
Objective This study aimed to systematically appraise the meta‐analyses of observational studies on risk factors and peripheral biomarkers for schizophrenia spectrum disorders. Methods We conducted an umbrella review to capture all meta‐analyses and Mendelian randomization studies that examined associations between non‐genetic risk factors and schizophrenia spectrum disorders. For each eligible meta‐analysis, we estimated the summary effect size estimate, its 95% confidence and prediction intervals and the I2 metric. Additionally, evidence for small‐study effects and excess significance bias was assessed. Results Overall, we found 41 eligible papers including 98 associations. Sixty‐two associations had a nominally significant (P‐value <0.05) effect. Seventy‐two of the associations exhibited large or very large between‐study heterogeneity, while 13 associations had evidence for small‐study effects. Excess significance bias was found in 18 associations. Only five factors (childhood adversities, cannabis use, history of obstetric complications, stressful events during adulthood, and serum folate level) showed robust evidence. Conclusion Despite identifying 98 associations, there is only robust evidence to suggest that cannabis use, exposure to stressful events during childhood and adulthood, history of obstetric complications, and low serum folate level confer a higher risk for developing schizophrenia spectrum disorders. The evidence on peripheral biomarkers for schizophrenia spectrum disorders remains limited.
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 | 0,021 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,026 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».