The impact of educational attainment, intelligence and intellectual disability on schizophrenia: a Swedish population-based register and genetic study
Notice bibliographique
Résumé
Schizophrenia (SCZ) is highly heterogenous and no subtypes characterizing treatment response or longitudinal course well. Cognitive impairment is a core clinical feature of SCZ and a determinant of poorer outcome. Genetic overlap between SCZ and cognitive traits is complex, with limited studies of comprehensive epidemiological and genomic evidence. To examine the relation between SCZ and three cognitive traits, educational attainment (EDU), premorbid cognitive ability, and intellectual disability (ID), we used two Swedish samples: a national cohort (14,230 SCZ cases and 3,816,264 controls) and a subsample with comprehensive genetic data (4992 cases and 6009 controls). Population-based analyses confirmed worse cognition as a risk factor for SCZ, and the pedigree and SNP-based genetic correlations were comparable. In the genotyped cases, those with high EDU and premorbid cognitive ability tended to have higher polygenetic risk scores (PRS) of EDU and intelligence and fewer rare exonic variants. Finally, by applying an empirical clustering method, we dissected SCZ cases into four replicable subgroups characterized by EDU and ID. In particular, the subgroup with higher EDU in the national cohort had fewer adverse outcomes including long hospitalization and death. In the genotyped subsample, this subgroup had higher PRS of EDU and no excess of rare genetic burdens than controls. In conclusion, we found extensive evidence of a robust relation between cognitive traits and SCZ, underscoring the importance of cognition in dissecting the heterogeneity of SCZ.
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 ».