Influence of polygenic risk scores for schizophrenia and resilience on the cognition of individuals at-risk for psychosis
Notice bibliographique
Résumé
Cognitive impairment is a core feature of schizophrenia which precedes the onset of full psychotic symptoms, even in the ultra-high-risk stage (UHR). Polygenic risk scores (PRS) can be computed for many psychiatric disorders and phenotyping traits, including scores for resilience. We explored the correlations between several PRS and neurocognition in UHR individuals. We included 107 UHR individuals; 29.9% of them converted to psychosis (UHR-C) while 57.0% did not (UHR-NC) during the 1-year follow-up. Cognitive performances were assessed with the Wechsler Adult Intelligence Scale estimating the Intelligence Quotient (IQ), the Trail Making Test, the verbal fluency, the Stroop test, and the Wisconsin card sorting test. Linear regression models were used to test their association with the PRS for schizophrenia, bipolar disorder, major depression, ADHD, cross-disorders, cognitive performance, intelligence, education attainment, and resilience to schizophrenia. UHR-C had a lower IQ than UHR-NC. The PRS for schizophrenia negatively correlated with IQ, while the PRS for cognitive performance and for resilience positively correlated with IQ. PRS for schizophrenia showed a significant correlation with working memory and processing speed indices. PRS for schizophrenia showed a higher effect on IQ in UHR-NC, and UHR-NC with high PRS for schizophrenia had a similar IQ as UHR-C. Conversely, UHR-C with a high PRS for resilience performed as well as UHR-NC. Our findings suggest that cognitive deficits may predate the onset of psychosis. The genetic architecture of schizophrenia seems to impacts the cognition in UHR-NC. Cognition is also mediated by PRS for resilience.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».