Auxiliary differential diagnosis of schizophrenia and phases of bipolar disorder based on the blood serum Raman spectra
Notice bibliographique
Résumé
Abstract Schizophrenia (SZ) and bipolar disorder (BP) are severe psychiatric disorders that are characterized by an extensive spectrum of symptoms and affect approximately 2% of the world population. BP exhibits three well‐distinct phases, which are classified as manic and depressive episodes and euthymic phase. These disorders are of difficult differential clinical diagnosis due to the similarity of their symptoms. Diagnostic approaches for SZ and BP are based on constructed patient interviews and subjective evaluations of clinical symptoms, and there are still no molecular‐based auxiliary diagnostic tools to support the clinical diagnosis. In this study, an analytical model for auxiliary differential diagnosis of SZ and BP, based on the analysis of patients' blood serum Raman spectra, is developed, which is able to account for the different BP phases and can also differentiate SZ and BP patients from healthy individuals. The model is based on a hierarchical sequence of four two‐class PLS‐DA steps where the Raman spectra are the X ‐predictor variables. It is concluded that the full 400–3,100 cm −1 Raman spectroscopic range is a sensitive probe for the disorders, thus working as a general spectroscopic biomarker for the illnesses. The proposed methodology is reliable, fast, cheap, essentially minimal‐invasive, and might be implemented easily in the clinical environment.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».