Longitudinal inference of multiscale markers in psychosis: from hippocampal centrality to functional outcome
Notice bibliographique
Résumé
Multiscale neuroscience conceptualizes mental illness as arising from aberrant interactions across and within multiple biopsychosocial scales. We leverage this framework to propose a multiscale disease progression model of psychosis, in which hippocampal-cortical dysconnectivity precedes impairments in episodic memory and social cognition, which lead to more severe negative symptoms and lower functional outcome. As psychosis represents a heterogeneous collection of biological and behavioral alterations that evolve over time, we further predict this disease progression for a subtype of the patient sample, with other patients showing normal-range performance on all variables. We sampled data from two cross-sectional datasets of first- and multi-episode psychosis, resulting in a sample of 163 patients and 119 non-clinical controls. To address our proposed disease progression model and evaluate potential heterogeneity, we applied a machine-learning algorithm, SuStaIn, to the patient data. SuStaIn uniquely integrates clustering and disease progression modeling and identified three patient subtypes. Subtype 0 showed normal-range performance on all variables. In comparison, Subtype 1 showed lower episodic memory, social cognition, functional outcome, and higher negative symptoms, while Subtype 2 showed lower hippocampal-cortical connectivity and episodic memory. Subtype 1 deteriorated from episodic memory to social cognition, negative symptoms, functional outcome to bilateral hippocampal-cortical dysconnectivity, while Subtype 2 deteriorated from bilateral hippocampal-cortical dysconnectivity to episodic memory and social cognition, functional outcome to negative symptoms. This first application of SuStaIn in a multiscale psychiatric model provides distinct disease trajectories of hippocampal-cortical connectivity, which might underlie the heterogeneous behavioral manifestations of psychosis.
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 | 0,004 | 0,018 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».