An Examination of Sustained Versus Transient Distressing Psychotic-Like Experiences Using Adolescent Brain Cognitive Development℠ Study Data
Notice bibliographique
Résumé
Abstract Objective A potential distinguishing factor between more benign and transient psychotic-like experiences (PLEs) versus PLEs that predict risk for psychiatric disorders is whether the PLEs are sustained and distressing (sustained dPLEs). The current study examined associations of both sustained and transient dPLEs with relevant risk factors (e.g., cognition), use of mental health services, and functional correlates (e.g., school performance) in school-age children. Method The current study used three Adolescent Brain Cognitive Development℠ study data waves to create sustained dPLE (n=272), transient dPLE (n=244), and control (n=272) groups. Hierarchical linear models examined whether these groups differed in terms of use of mental health services, functional correlates, family history of mental disorders, other symptoms (e.g., parent-rated psychotic symptoms, internalizing, externalizing symptoms), environmental factors (e.g., adverse childhood events [ACEs]), cognitive functioning, developmental milestone delays, and neuroimaging indices. Results Several factors were more strongly associated with sustained versus transient dPLEs, including use of mental health services (for sustained vs. controls: d=0.38), drop in grades (d=--.30), other symptoms (i.e., parent-rated psychotic, bipolar, internalizing, externalizing, suicidality; 0.33>ds<0.88), ACEs (d=.36), and lower fluid and executive functioning cognitive scores (-0.31>ds<-0.41). For most risk factors, the sustained dPLEs group showed the greatest impairments, followed by the transient group, with the control group showing the least impairments. Conclusions These results have implications for understanding the pathogenesis of dPLEs, including indicating that several factors may distinguish transient from persisting dPLEs in children, including higher symptoms and ACEs, lower executive functioning scores, greater use of mental health services, and worsening school performance.
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 | 0,001 |
| 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 | 0,000 |
| 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 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 ».