Information theory characteristics improve the prediction of lithium response in bipolar disorder patients using an SVM classifier
Notice bibliographique
Résumé
Abstract Bipolar disorder (BD) is a mood disorder with a high morbidity and death rate. Lithium (Li), a prominent mood stabilizer, is fully effective in roughly 30% of BD patients. The remaining patients respond partially or do not respond at all. Another drug used to treat BD patients is valproate (VPA). Plenty of efforts has been made to understand how these drugs affect the patients’ neurons. We have performed electrophysiological recordings in patient-derived dentate gyrus (DG) granule neurons for three groups: control individuals, BD patients who respond to Li treatment (LR), and BD patients who do not respond to Li treatment (NR). The recordings were analyzed by the statistical tools of modern information theory, which enabled us to recognize new relationships between the electrophysiological features. These added features included the entropy of several electrophysiological measurements and the mutual information between different types of electrophysiological measurements. Information theory features provided further knowledge about the distribution of the electrophysiological entities, which improved basic classification schemes. These newly added features enabled a significant improvement in our ability to distinguish the BD patients from the control individuals (an improvement from 60% accuracy to 74% accuracy) and the Li responders from the non-responders in the BD population using Support Vector Machine (SVM) classification algorithms (an improvement from 81% accuracy to 99% accuracy). These new tools showed that LR neurons are less distinguishable from control neurons after Li treatment but not after VPA treatment, whereas NR neurons become more distinguishable from control neurons after Li treatment.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».