MétaCan
Menu
Retour à la cohorte
Enregistrement W2794529086 · doi:10.1093/schbul/sby015.198

O2.8. TRAJECTORIES OF NEUROCOGNITIVE FUNCTIONING OVER TIME IN YOUTH AT CLINICAL HIGH RISK WHO DO AND DO NOT TRANSITION TO PSYCHOSIS

2018· article· en· W2794529086 sur OpenAlexaff
Kristen A. Woodberry, William S. Stone, Daniel I. Shapiro, Cole Chokran, Jean Addington, Carrie E. Bearden, Kristin S. Cadenhead, Tyrone D. Cannon, Barbara A. Cornblatt, Thomas H. McGlashan, Daniel H. Mathalon, Diana O. Perkins, Ming T. Tsuang, Elaine F. Walker, Scott W. Woods, Larry J. Seidman

Notice bibliographique

RevueSchizophrenia Bulletin · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésProdromeNeurocognitivePsychosisPsychologySchizophrenia (object-oriented programming)CognitionClinical psychologyVerbal memoryNeuropsychologyPsychiatryCognitive skillWorking memoryCognitive declineCognitive remediation therapyMedicineDementia

Résumé

récupéré en direct d'OpenAlex

In spite of evidence for the premorbid and prodromal onset of cognitive deficits in schizophrenia and related psychotic disorders, there is some limited evidence to suggest that deficits may progress with psychosis onset. Cognitive remediation in youth at risk for psychosis is being touted as an opportunity not only to remediate deficits but to potentially prevent this progression. Yet trajectories of cognitive functioning over time remain poorly understood in youth at risk, including the degree to which age at assessment or illness onset, sociodemographic factors, or symptom progression influence these trajectories. The North American Prodrome Longitudinal Study (NAPLS) -2 collected data on an extensive battery of neuropsychological (NP) tests at baseline, one year, two years, and post-conversion in a sample of clinical high risk (CHR) youth and healthy comparison (HC) subjects ages 12–35 (N= 960, 92% of the full sample) followed clinically for up to 2 years. NP data were available for 694 at CHR and 265 HC. Linear mixed effects analyses were used to test the effects of group, age, gender, age of onset, maternal education, and clinical outcome on cognitive trajectories. Those who transitioned to a psychotic disorder over the course of follow-up performed significantly below those who did not and well below healthy comparisons. Tasks reliant on attention, visual and auditory working memory, visuospatial and verbal memory, and processing speed best differentiated those who transitioned from those who did not at one year (Cohen’s d from -0.33 to -0.54). Discrepancies from normal functioning on these tests were generally large (Cohen’s d from -0.67 to -1.02) consistent with findings for first episode samples. Although clinical outcome was not associated with a significantly different trajectory over time on any cognitive domain, these are likely due to high rates of conversion in this sample within the first year. Predictors of different trajectories will be presented. These data from one of the largest CHR studies to date suggest that much of the neuropsychological dysfunction in major psychotic disorders is present early in the course of illness and prior to its full expression. However, trajectories are highly heterogeneous. More frequent assessment prior to and during the onset of illness are needed to fully understand the cognitive correlates of psychosis onset and the implications for early intervention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,295
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSchizophrenia BulletinMême sujetSchizophrenia research and treatmentTravaux en français237 207