Association of baseline inflammatory markers and the development of negative symptoms in individuals at clinical high risk for psychosis
Notice bibliographique
Résumé
Negative symptoms are common in individuals at clinical high-risk (CHR) for psychosis and are associated with worse functional outcomes. Inflammation may be one mechanism underlying negative symptoms. Inflammatory markers are altered in individuals at CHR and are associated with negative symptoms in patients with schizophrenia. We thus hypothesized that baseline inflammatory markers would predict the development of negative symptoms in individuals at CHR for psychosis. Thirty seven individuals from the North American Prodromal Longitudinal Study who met CHR criteria were included in the study. Inflammatory cytokines, including interferon (IFN)-λ, Interleukin (IL)-1β, IL-1 receptor antagonist (IL-1RA), IL-4, IL-6, IL-8, IL-10, and tumor necrosis factor (TNF) were measured at baseline. Negative symptoms as measured by the Scale of Prodromal Symptoms, were measured at baseline and six and twelve months. Associations between inflammatory markers and the trajectory of negative symptoms (slope) over the first year of follow-up, were assessed using linear regression models controlling for age, sex, race and depressive symptom severity (as assessed by the Calgary Depression Scale for Schizophrenia). Baseline TNF (beta = 0.361, p = 0.007) and IL-6 (beta = −0.306, p = 0.026) predicted negative symptoms slopes, along with depressive symptom severity at baseline (beta = −0.596, p = 0.000). These findings demonstrate that inflammatory cytokines may underlie the development of negative symptoms in some individuals at CHR for psychosis. TNF predicted the development of negative symptoms independent of baseline depression. Given the heterogeneity of the CHR population, the comorbidity of negative symptoms and depression in this population, and the particular challenges in treating negative symptoms, immune markers could represent potential biomarkers that underlie the development of negative symptoms, representing a potential treatment target.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».