Poster Session I
Notice bibliographique
Résumé
Introduction: Depressive episodes/symptoms of bipolar I disorder (BPD-I) are commonly misdiagnosed as major depressive disorder (MDD).We developed a brief, self-rated, pragmatic tool that screens for manic symptoms and identifies BPD-I risk factors (eg, age of onset) to reduce misdiagnosis of BPD-I as MDD.Method: Existing questionnaires and risk factors were identified through a targeted literature search to select concepts thought to differentiate BPD-I from MDD.Individuals with self-reported BPD-I or MDD (N = 12) participated in cognitive debriefing interviews to test and refine item wording.An observational study was conducted to evaluate the tool's predictive validity.Participants with clinical interview-confirmed diagnoses of BPD-I or MDD completed a 10item screening tool and other questionnaires.Data were analyzed to identify a smaller subset of items with optimized sensitivity and specificity.Results: Of 160 interviews conducted, 139 patients had confirmed BPD-I (n = 67) or MDD (n = 72).The screening tool was reduced from 10 to 6 items based on item-level analysis.When 4 items or more were endorsed ("yes"), the performance of this tool for identifying patients with BPD-I was 0.92 and specificity was 0.78; positive and negative predictive values, based on the analysis sample, were 0.78 and 0.92, respectively.These properties represent an improvement over the Mood Disorder Questionnaire, while using >50% fewer items.Conclusion: This brief and valid screening tool serves to identify patients with depressive symptoms who may have BPD-I instead of MDD, prompting more comprehensive clinical assessment, improved diagnostic accuracy and treatment selection, and enhanced health outcomes in busy clinical practices.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,788 | 0,576 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».