Dimensional distribution of cortical abnormality across antipsychotics treatment-resistant and responsive schizophrenia
Notice bibliographique
Résumé
BACKGROUND: One-third of patients with schizophrenia are treatment-resistant to non-clozapine antipsychotics (TRS), while the rest respond (NTRS). Examining whether TRS and NTRS represent different pathophysiologies is an important step toward precision medicine. METHODS: Focusing on cortical thickness (CT), we analyzed international multi-site cross-sectional datasets of magnetic resonance imaging comprising 110 patients with schizophrenia (NTRS = 46, TRS = 64) and 52 healthy controls (HCs). We utilized a logistic regression with L1-norm regularization to find brain regions related to either NTRS or TRS. We conducted nested 10-fold cross-validation and computed the accuracy and area under the curve (AUC). Then, we applied the NTRS classifier to patients with TRS, and vice versa. RESULTS: Patients with NTRS and TRS were classified from HCs with 65% and 78% accuracies and with the AUC of 0.69 and 0.85 (p = 0.014 and < 0.001, corrected), respectively. The left planum temporale (PT) and left anterior insula/inferior frontal gyrus (IFG) contributed to both NTRS and TRS classifiers. The left supramarginal gyrus only contributed to NTRS and right superior temporal sulcus and right lateral orbitofrontal cortex only to the TRS. The NTRS classifiers successfully distinguished those with TRS from HCs with the AUC of 0.78 (p < 0.001), while the TRS classifiers classified those with NTRS from HCs with the AUC of 0.69 (p = 0.015). CONCLUSION: Both NTRS and TRS could be distinguished from HCs on the basis of CT. The CT pathological basis of NTRS and TRS has commonalities, and TRS presents unique CT features.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».