F38. PHENOTYPIC CLUSTERING OF BIPOLAR DISORDER SUPPORTS STRATIFICATION BY LITHIUM RESPONSIVENESS, NOT DIAGNOSTIC SUBTYPES
Notice bibliographique
Résumé
Background Bipolar disorder (BD) affects 1% of the global population and functionally impairs 83% of the afflicted. Although BD is a highly heritable and biological disorder, phenotypic heterogeneity complicates elucidation of its etiology. While genetic studies have been fruitful, the effect sizes of genetic markers are generally too small to support clinical applications. Phenotypic stratification of BD may resolve this heterogeneity and provide more homogeneous groups for future studies. One common stratification approach involves categorizing BD into Types I and II, but it has been criticized for imposing categorical boundaries on a dimensional psychopathological condition, let alone the contested validity of BD-II as a diagnosis. A promising alternative subtype is responsiveness to prophylactic lithium. Clinical phenotypic profiles differentiate excellent from poor lithium responders, and lithium responsiveness is heritable, suggesting a genetic component. The present study adjudicates between stratification strategies based on (A) BD I/II subtype and (B) lithium responsiveness, by ascertaining which approach captures more phenotypic information. Specifically, we use detailed clinical data from lithium-treated patients with BD-I or II. Using their detailed clinical profiles, we identify data-driven phenotypic clusters, and measure the information these clusters carry about either BD subtype or lithium responsiveness. Our results may inform diagnostic nosology and stratification approaches for future genetic studies of BD. Methods We included adult patients with BD-I or II (N = 477 across four sites) who were treated with lithium as their principal mood stabilizer for at least one year. Treatment responsiveness was defined using the dichotomized Alda score. We performed hierarchical clustering on phenotypes defined by over 50 features, covering demographics, clinical course , family history, suicide behaviour , and comorbid conditions. We then measured the amount of information that inferred clusters carried about (A) BD subtype or (B) lithium responsiveness using adjusted mutual information (AMI) scores. Detailed phenotypic profiles across clusters were then evaluated with univariate comparisons. Results Two clusters were identified (n = 52 and n = 425), which captured significantly less information about BD subtype (AMI range 0.004 to 0.011 [SE range: 2e-4 to 4e-4]) than lithium responsiveness, (AMI 0.033 to 0.133 [1e-3 to 2e-3]). The smaller cluster had disproportionately more lithium responders (n = 42 [80.8%] vs.108 [25.4%]; p = 0.026), attention-deficit hyperactivity disorder (5 [9.6%] vs. 15 [3.5%]; p = 0.026), and learning disabilities (4 [7.7%] vs. 15 [3.5%]; p = 0.026). Discussion Detailed clinical phenotypes may offer more information about lithium responsiveness than diagnostic subtype, supporting lithium responsiveness rather than BD-I/II classification as a valid approach to stratification in clinical samples.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,005 | 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 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 ».