Are There Familial Patterns of Symptom Dimensions in Obsessive-Compulsive Disorder?
Notice bibliographique
Résumé
Background: Obsessive-compulsive disorder (OCD) is a heterogeneous illness, and emerging evidence suggests that different symptom dimensions may have distinct underlying neurobiological mechanisms. We aimed to look for familial patterns in the occurrence of these symptom dimensions in a sample of families with at least two individuals affected with OCD. Methods: Data from 153 families (total number of individuals diagnosed with DSM-5 OCD = 330) recruited as part of the Accelerator Program for Discovery in Brain Disorders using Stem Cells (ADBS) was used for the current analysis. Multidimensional Item Response Theory (IRT) was used to extract dimensional scores from the Yale-Brown Obsessive-Compulsive Scale (YBOCS) checklist data. Using linear mixed-effects regression models, intra-class correlation coefficients (ICC), for each symptom dimension, and within each relationship type were estimated. Results: IRT yielded a four-factor solution with Factor 1 (Sexual/Religious/Aggressive), Factor 2 (Doubts/Checking), Factor 3 (Symmetry/Arranging), and Factor 4 (Contamination/Washing). All except for Factor 1 were found to have significant ICCs, highest for Factor 3 (0.41) followed by Factor 4 (0.29) and then Factor 2 (0.27). Sex-concordant dyads were found to have higher ICC values than discordant ones, for all the symptom dimensions. No major differences in the ICC values between parent-offspring and sib-pairs were seen. Conclusions: Our findings indicate that there is a high concordance of OCD symptom dimensions within multiplex families. Symptom dimensions of OCD might thus have significant heritability. In view of this, future genetic and neurobiological studies in OCD should include symptom dimensions as a key parameter in their analyses.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».