Heterogeneous early illness courses of Korean patients with bipolar disorders: replication of the staging model
Notice bibliographique
Résumé
BACKGROUND: Clinical staging of bipolar disorder (BD) requires application of real-world data, as the next step in hypothesis. This study used the staging model to analyze the long-term course of BD in Korean patients based on clinical features and treatment responses to map the progression of bipolar illness from its early phase after the onset of illness. METHODS: A total of 136 patients diagnosed with BD-I (n = 62) or BD-II (n = 74) were recruited. Their progressive stages were retrospectively evaluated. A multi-state model was used to calculate the probability of progression to each stage. Hazard ratios of covariates expected to influence different courses of BD were calculated. Using the Alda score, long-term responses to mood stabilizers depending on the current stage were compared. RESULTS: Several sub-populations showed varied courses during the first five years after the onset of illness, with 41.5% remaining in stage 2 and 53% progressing to higher stages with shortened time for transition. Profiles of patients with BD-I and BD-II were different, suggesting biologically distinct groups. Comorbid psychiatric disorders, such as obsessive-compulsive disorder (OCD) and bulimia nervosa (BN) were associated with a recurrent course (stage 3a or 3b) or a malignant course (stage 3c or 4). Early age of onset, shorter duration of illness, older age at the start of medication, and poor response to lithium affected the illness progression. CONCLUSION: We were able to apply the stage model based on episode recurrence patterns in early illness courses of Korean patients with BD. The stage progression pattern differed from the early phase in BD-I and BD-II patients. Psychotic comorbidity, age at onset, age at starting psychiatric treatment showed associations with the illness progression.
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 ».