Schizophrenia vs. encephalitis: A neuropsychological case study
Notice bibliographique
Résumé
From presenting with flu-like symptoms, seizures, and erratic behaviour including hallucinations, to being dismissed as "partying too much" and misdiagnosed with schizophrenia before the ultimate provision of a neurological explanation - encephalitis; this was a true sequence of events for the 24 year old female, Susannah Cahalan, who suddenly became ill with a mysterious illness that was misdiagnosed even after extensive evaluation until a neurologist was able to diagnose and effectively treat her (Cahalan, 2012; Barrett, 2016). Susannah's case bemused the medical field and became the plot of a book that subsequently garnered attention, large enough to be adapted into a movie, titled "Brain on Fire" (Barrett, 2016). Her case illustrated the exquisite interplay of neurology, physiology, and neuropsychology, complicated by personality traits and stereotypical behaviours observed in young adulthood, the period in which psychiatric illnesses also often begin to manifest. Unfortunately, while Susannah's case is rare, it is not unique. The following illustrates a case, similar to Susannah's, in which fluorodeoxyglucose-positron emission tomography (FDG-PET) scans, chronological history, and neuropsychological test results supported a diagnosis of encephalitis, while symptom presentation, response to treatment, and neurological consultation, suggested a diagnosis of schizophrenia, demonstrating a significant overlap in presentation of these two disorders and the importance of a multidisciplinary approach to diagnosis and treatment (APA, 2013; Lancaster, 2016). This case illustrates the complexity of the art and science of diagnostics during the developmental period, reminding us as professionals of the importance of thoroughly reviewing a patient's medical history and of the vital contributions each discipline can make when attempting to diagnose and treat complex presentations.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».