Reducing the dimensions of psychotic illness
Notice bibliographique
Résumé
Objective: Psychotic disorders are highly heterogeneous. Understanding relationships between symptoms will be relevant to their underlying pathophysiology. We apply dimensionality-reduction methods to characterize the patterns of symptom clustering and how clusters relate to one another.Methods: We analyzed publicly-available data from 153 participants diagnosed with schizophrenia or schizoaffective disorder (fBIRN Data Repository and the Consortium for Neuropsychiatric Phenomics), as well as 636 first-episode psychosis (FEP) subjects from the Prevention and Early Intervention Program for Psychosis (PEPP-Montreal). In all subjects, the Scale for the Assessment of Positive Symptoms (SAPS) and Scale for the Assessment of Negative Symptoms (SANS) were collected. Multidimensional scaling (MDS) combined with cluster analysis was applied to SAPS and SANS scores across these two groups of participants. Principal component analysis (PCA) was applied to hallucination and delusions items. Results: MDS revealed relationships between items of the SAPS and SANS. Our application of cluster analysis to these results identified: 1 cluster of disorganization symptoms, 2 clusters of hallucinations/delusions, and 2 negative symptom clusters. Despite being at an earlier stage of illness, symptoms in FEP presentations were similarly organized. PCA revealed 5 latent components: 1) passivity delusions, 2) auditory hallucinations, 3) other hallucinations, 4) paranoid/negative affect delusions, and 5) grandiose/religious delusions. Conclusions: While hallucinations and delusions commonly co-occur, we found that their specific themes and content sometimes travel together and sometimes apart. This has important implications, not only for treatment and prognosis, but also for experimental medicine. Our data should further inform the search for causal pathophysiological mechanisms.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».