The Early Psychosis Screener for Internet (EPSI)-SR: Predicting 12 month psychotic conversion using machine learning
Notice bibliographique
Résumé
INTRODUCTION: A faster and more accurate self-report screener for early psychosis is needed to promote early identification and intervention. METHODS: Self-report Likert-scale survey items were administered to individuals being screened with the Structured Interview for Psychosis-risk Syndromes (SIPS) and followed at eight early psychosis clinics. An a priori analytic plan included Spectral Clustering Analysis to reduce the item pool, followed by development of Support Vector Machine (SVM) classifiers. RESULTS: The cross-validated positive predictive value (PPV) of the EPSI at the default cut-off (76.5%) exceeded that of the clinician-administered SIPS (68.5%) at separating individuals who would not convert to psychosis within 12 months from those who either would convert within 12 months or who had already experienced a first episode psychosis (FEP). When used in tandem with the SIPS on clinical high risk participants, the EPSI increased the combined PPV to 86.6%. The SVM classified as FEP/converters only 1% of individuals in non-clinical and 4% of clinical low risk populations. Sensitivity of the EPSI, however, was 51% at the default cut-off. DISCUSSION: The EPSI identifies, comparably to the SIPS but in less time and with fewer resources, individuals who are either at very high risk to develop a psychotic disorder within 12 months or who are already psychotic. At its default cut-off, EPSI misses 49% of current or future psychotic cases. The cut-off can, however, be adjusted based on purpose. The EPSI is the first validated assessment to predict 12-month psychotic conversion. An online screening system, www.eps.telesage.org, is under development.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».