Affective lability as a prospective predictor of subsequent bipolar disorder diagnosis: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: The early pathogenesis and precursors of Bipolar Disorder (BD) are poorly understood. There is some cross-sectional and retrospective evidence of affective lability as a predictor of BD, but this is subject to recall biases. The present review synthesises the prospective evidence examining affective lability and the subsequent development of BD at follow-up. METHODS: The authors performed a systematic search of PubMed, PsycInfo and Embase (1960-June 2020) and conducted hand searches to identify studies assessing affective lability (according to a conceptually-inclusive definition) at baseline assessment in individuals without a BD diagnosis, and a longitudinal follow-up assessment of bipolar (spectrum) disorders. Results are reported according to the PRISMA guidelines, and the synthesis without meta-analysis (SWiM) reporting guidelines were used to strengthen the narrative synthesis. The Newcastle-Ottawa Scale was used to assess risk of bias (ROB). RESULTS: 11 articles describing 10 studies were included. Being identified as having affective lability at baseline was associated with an increased rate of bipolar diagnoses at follow-up; this association was statistically significant in six of eight studies assessing BD type I/II at follow-up and in all four studies assessing for bipolar spectrum disorder (BSD) criteria. Most studies received a 'fair' or 'poor' ROB grade. CONCLUSIONS: Despite a paucity of studies, an overall association between prospectively-identified affective lability and a later diagnosis of BD or BSD is apparent with relative consistency between studies. This association and further longitudinal studies could inform future clinical screening of those who may be at risk of BD, with the potential to improve diagnostic accuracy and facilitate early intervention.
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 | 0,009 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».