Premorbid intelligence quotient and school failure as risk markers for bipolar disorder and major depressive disorder
Notice bibliographique
Résumé
Mood disorders significantly impact global health, with MDD ranking as the second leading cause of disability in the United States and BD ranking 18th. Despite their prevalence and impact, the relationship between premorbid intelligence and the subsequent development of BD and MDD remains inconclusive. This study investigates the potential of premorbid Intelligence Quotient (IQ) and school failure frequency as risk factors for Bipolar Disorder (BD) and Major Depressive Disorder (MDD) in a birth cohort setting. We analyze data from the Pelotas population-based birth cohort study, comprising 3580 participants aged 22, who had no prior mood disorder diagnoses. Utilizing regression models and accounting for potential confounders, we assess the impact of IQ and school failure, measured at age 18, on the emergence of BD and MDD diagnoses at age 22, using individuals without mood disorders as comparators. Results reveal that lower IQ (below 70) at 18 is associated with an increased risk of BD (Adjusted Odds Ratio [AOR] 1.75, 95%CI: 1.00-3.09, p < 0.05), while higher IQ (above 120) is linked to MDD (AOR 2.16, 95%CI: 1.24-3.75, p < 0.001). Moreover, an elevated number of school failures is associated with increased BD risk (AOR 1.23, 95%CI: 1.11-1.41, p < 0.001), particularly for BD type 1 (AOR 1.36, 95% CI: 1.17-1.58, p < 0.001). These findings offer insights into the distinct premorbid intellectual characteristics of BD and MDD and contribute to a deeper understanding of their developmental trajectories, potentially informing the development of risk assessment tools for mood disorders.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».