Real-world digital implementation of the Psychosis Polyrisk Score (PPS): A pilot feasibility study
Notice bibliographique
Résumé
BACKGROUND: The Psychosis Polyrisk Score (PPS) is a potential biomarker integrating non-purely genetic risk/protective factors for psychosis that may improve identification of individuals at risk and prediction of their outcomes at the individual subject level. Biomarkers that are easy to administer are direly needed in early psychosis to facilitate clinical implementation. This study digitally implements the PPS and pilots its feasibility of use in the real world. METHODS: The PPS was implemented digitally and prospectively piloted across individuals referred for a CHR-P assessment (n = 16) and healthy controls (n = 66). Distribution of PPS scores was further simulated in the general population. RESULTS: 98.8% of individuals referred for a CHR-P assessment and healthy controls completed the PPS assessment with only one drop-out. 96.3% of participants completed the assessment in under 15 min. Individuals referred for a CHR-P assessment had high PPS scores (mean = 6.2, SD = 7.23) than healthy controls (mean = -1.79, SD = 6.78, p < 0.001). In simulated general population data, scores were normally distributed ranging from -15 (lowest risk, RR = 0.03) to 39.5 (highest risk, RR = 8912.51). DISCUSSION: The PPS is a promising biomarker which has been implemented digitally. The PPS can be easily administered to both healthy controls and individuals at potential risk for psychosis on a range of devices. It is feasible to use the PPS in real world settings to assess individuals with emerging mental disorders. The next phase of research should be to include the PPS in large-scale international cohort studies to evaluate its ability to refine the prognostication of outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».