Phenotypic clustering of bipolar disorder supports stratification by lithium responsiveness over diagnostic subtypes
Notice bibliographique
Résumé
INTRODUCTION: The aim of this study was to determine whether the clinical profiles of bipolar disorder (BD) patients could be differentiated more clearly using the existing classification by diagnostic subtype or by lithium treatment responsiveness. 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 1 year. Treatment responsiveness was defined using the dichotomized Alda score. We performed hierarchical clustering on phenotypes defined by 40 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 and (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 = 56 and n = 421), which captured significantly more information about lithium responsiveness (AMI range: 0.033 to 0.133) than BD subtype (AMI: 0.004 to 0.011). The smaller cluster had disproportionately more lithium responders (n = 47 [83.8%]) when compared to the larger cluster (103 [24.4%]; p = 0.006). CONCLUSIONS: Phenotypes derived from detailed clinical data may carry more information about lithium responsiveness than the current classification of diagnostic subtype. These findings support lithium responsiveness 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 | 0,001 | 0,006 |
| 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 | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».