Landmark's Model for Computerized Studies of Schizophrenia: A Review
Notice bibliographique
Résumé
Johan A. Landmark, a Canadian scientist and clinical psychiatrist of Norwegian origin, directed a large scale investigation on a sample of 120 Canadian schizophrenic patients that were rated on 87 symptoms relevant for the assessment of schizophrenia and on a multitude of sociodemographic and case history variables in order to determine if specific statistical symptom patterns would emerge as computerized clinical predictors of response to psychiatric medication, or how the symptom patterns would relate to sociodemographic variables such as gender, education, birth-order, and age.The specific symptoms and other patients' variables that significantly correlated with outcomes of psychiatric medication were entered in a statistical regression equation as mathematical predictors for future pharmacological treatments.With respect to outcomes of fluphenazine treatment at that time, the best predictor was a triad of symptoms including auditory hallucinations, passivity feelings, and disturbances of affect.This statistical approach needs to be replicated for novel antipsychotics and substances such as cannabidiol to generate statistically based predictions of which medication is the best for the individual patient with his or her particular symptom pattern, to avoid the prevalent lengthy and frustrating "trial and error" routines in daily clinical psychiatry.The various symptoms of schizophrenia in Landmark's sample were not strongly related to any sociodemographic variables: this supports biopsychiatric concepts of schizophrenia as opposed to those based on psychosocial factors.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».