Pre‐pulse inhibition deficits in individuals at clinical high‐risk for psychosis: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Aim Neurophysiological markers of schizophrenia may help identify individuals who are at an increased risk of developing psychosis. As an operational measure of sensorimotor gating, pre‐pulse inhibition (PPI) deficit has been investigated in clinical high‐risk (CHR) individuals. In this study, we performed a systematic review and meta‐analysis of studies that investigated PPI in CHR individuals. Methods Relevant studies published as of July 2019 were retrieved from the PubMed, Cochrane, Embase, PscyINFO, EBSCO and Chinese databases. PPI was evaluated by calculating the standard mean differences (SMDs) between CHR individuals and healthy controls (HC) in meta‐analysis. Quality of studies was assessed using the Newcastle‐Ottawa Scale. I 2 index was used to assess heterogeneity and Egger's test was used to assess publication bias. Results Eight studies were found to be eligible. The meta‐analysis included five studies with a combined study population of 184 CHR subjects and 161 HC. CHR individuals showed lower PPI levels compared to HC in 120 ms inter‐stimulus interval or stimulus onset asynchrony paradigm ( P = .491, SMD = −0.62). No significant heterogeneity was observed in 120 ms PPI paradigm ( χ 2 = 3.41, P = .491, I 2 = 0.0%). Conclusion CHR individuals had lower PPI level compared to HC in 120 ms paradigm, which were relatively stable and significant. The results indicate the presence of information processing and inhibitory problems prior to the development of full‐blown psychosis. PPI may be clinically used as an objective indicator to supplement the understanding of CHR individuals.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».