Identifying Neurobiological Markers in Obsessive–Compulsive Disorder: A Study Protocol for a Cross-Sectional Study in Subgroups of Differing Phenotype
Notice bibliographique
Résumé
Obsessive–compulsive disorder (OCD) represents a frequent and highly disabling mental disorder. Past attempts to characterize different disease subgroups focused on the time of onset (late vs. early onset), presence of insight (poor insight), and post-infectious forms (pediatric acute-onset neuropsychiatric syndrome, PANS). Each subgroup may be associated with a differing impact on cognition, functioning, sleep quality, and treatment response profile. Certain lines of evidence suggest brain-derived neurotrophic factor (BDNF) levels may differ between individuals living with OCD as compared with controls, but there is a lack of evidence on the variation of BDNF levels in OCD subgroups. Lastly, the potential of assessing inflammatory states, electroencephalogram, and polysomnography to characterize these subtypes has been hardly explored. Estimates of drug-resistance rates indicate that 20% and up to 65% of affected adults and up to 35% of the pediatric population may not benefit from pharmacological treatments. At least part of the variability in treatment response could depend on the underlying biological heterogeneity. In the present project, we aim to increase the accuracy in characterizing the phenotypical and biological signature for the different OCD subtypes through clinical, cognitive, and sleep markers, along with other possible markers that may be biologically plausible.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».