A risk calculator to predict suicide attempts among individuals with<scp>early‐onset</scp>bipolar disorder
Notice bibliographique
Résumé
OBJECTIVES: To build a one-year risk calculator (RC) to predict individualized risk for suicide attempt in early-onset bipolar disorder. METHODS: Youth numbering 394 with bipolar disorder who completed ≥2 follow-up assessments (median follow-up length = 13.1 years) in the longitudinal Course and Outcome of Bipolar Youth (COBY) study were included. Suicide attempt over follow-up was assessed via the A-LIFE Self-Injurious/Suicidal Behavior scale. Predictors from the literature on suicidal behavior in bipolar disorder that are readily assessed in clinical practice were selected and trichotomized as appropriate (presence past 6 months/lifetime history only/no lifetime history). The RC was trained via boosted multinomial classification trees; predictions were calibrated via Platt scaling. Half of the sample was used to train, and the other half to independently test the RC. RESULTS: There were 249 suicide attempts among 106 individuals. Ten predictors accounted for >90% of the cross-validated relative influence in the model (AUC = 0.82; in order of relative influence): (1) age of mood disorder onset; (2) non-suicidal self-injurious behavior (trichotomized); (3) current age; (4) psychosis (trichotomized); (5) socioeconomic status; (6) most severe depressive symptoms in past 6 months (trichotomized none/subthreshold/threshold); (7) history of suicide attempt (trichotomized); (8) family history of suicidal behavior; (9) substance use disorder (trichotomized); (10) lifetime history of physical/sexual abuse. For all trichotomized variables, presence in the past 6 months reliably predicted higher risk than lifetime history. CONCLUSIONS: This RC holds promise as a clinical and research tool for prospective identification of individualized high-risk periods for suicide attempt in early-onset bipolar disorder.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».