More than Words: Speech production in first episode psychosis predicts later social and vocational functioning.
Notice bibliographique
Résumé
Background: Several disturbances in speech are present in psychosis; however, the relationship between these disturbances during the first episode of psychosis (FEP) and later vocational functioning is unclear. Demonstrating this relationship is critical if we expect speech and communication deficits to emerge as targets for early intervention.Method: we analyzed three one-minute speech samples using automated speech analysis and Bayes networks in an antipsychotic-naive sample of 39 FEP patients and followed them longitudinally to determine their vocational status (engaged or not engaged in employment education or training - EET vs. NEET) after 6-12 months of treatment. Five linguistic variables with prior evidence of clinical relevance (total and acausal connectives use, pronoun use, analytic thinking, and total words uttered in a limited period) were included in a Bayes network along with longitudinal NEET status and Social and Occupational Functioning Assessment Scale (SOFAS) scores to determine dependencies among our variables. We also included clinical (Positive and Negative Syndrome Scale 8-item version (PANSS-8)), social (parental In review socioeconomic status,) and cognitive features (processing speed) at the time of presentation as covariates.Results: The Bayes network revealed that only total words spoken were directly associated with NEET and had an indirect association with SOFAS, with a second set of dependencies emerging among the remaining linguistic variables. The primary (speech-only) model outperformedmodels including parental socioeconomic status, processing speed or both as latent variables.Conclusion: impoverished speech, even at subclinical levels, may hold prognostic value and warrant clinical consideration when treating first-episode psychosis.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».