Exploring latent clusters in pediatric OCD based on symptoms, severity, age, gender, and comorbidity
Notice bibliographique
Résumé
Given diverse symptom expression and high rates of comorbid conditions, the present study explored underlying commonalities among OCD-affected children and adolescents to better conceptualize disorder presentation and associated features. Data from 830 OCD-affected participants presenting to OCD specialty centers was aggregated. Dependent mixture modeling was used to examine latent clusters based on their age- and gender adjusted symptom severity (as measured by the Children's Yale-Brown Obsessive-Compulsive Scale; CY-BOCS), symptom type (as measured by factor scores calculated from the CY-BOCS symptom checklist), and comorbid diagnoses (as assessed via diagnostic interviews). Fit statistics favored a four-cluster model with groups distinguished primarily by symptom expression and comorbidity type. Fit indices for 3-7 cluster models were only marginally different and characteristics of the clusters remained largely stable between solutions with small clusters of distinct presentations added in more complex models. Rather than identifying a single classification system, the findings support the utility of integrating dimensional, developmental, and transdiagnostic information in the conceptualization of OCD-affected children and adolescents. Identified clusters point to the centrality of contamination concerns to OCD, relationships between broader symptom expression and higher levels of comorbidity, and the potential for complex/neurodevelopmental presentations.
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) | 0,001 | 0,001 |
| 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 | 0,001 |
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 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 ».