Association between serum cytokines and timeframe for conversion from clinical high‐risk to psychosis
Notice bibliographique
Résumé
AIM: Although many studies have explored the link between inflammatory markers and psychosis, there is a paucity of research investigating the temporal progression in individuals at clinical high-risk (CHR) who eventually develop full psychosis. To address this gap, we investigated the correlation between serum cytokine levels and Timeframe for Conversion to Psychosis (TCP) in individuals with CHR. METHODS: We enrolled 53 individuals with CHR who completed a 5-year follow-up with a confirmed conversion to psychosis. Granulocyte macrophage-colony stimulating factor (GM-CSF), interleukin (IL)-1β, 2, 6, 8, 10, tumor necrosis factor-α (TNF-α), and vascular endothelial growth factor (VEGF) levels were measured at baseline and 1-year. Correlation and quantile regression analyses were performed. RESULTS: The median TCP duration was 14 months. A significantly shorter TCP was associated with higher levels of TNF-α (P = 0.022) and VEGF (P = 0.016). A negative correlation was observed between TCP and TNF-α level (P = 0.006) and VEGF level (P = 0.04). Quantile regression indicated negative associations between TCP and GM-CSF levels below the 0.5 quantile, IL-10 levels below the 0.3 quantile, IL-2 levels below the 0.25 quantile, IL-6 levels between the 0.65 and 0.75 quantiles, TNF-α levels below the 0.8 quantile, and VEGF levels below the 0.7 quantile. A mixed linear effects model identified significant time effects for IL-10 and IL-2, and significant group effects for changes in IL-2 and TNF-α. CONCLUSIONS: Our findings underscore that a more pronounced baseline inflammatory state is associated with faster progression of psychosis in individuals with CHR. This highlights the importance of considering individual inflammatory profiles during early intervention and of tailoring preventive measures for risk profiles.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».