Decoding Early Psychoses: Unraveling Stable Microstructural Features Associated With Psychopathology Across Independent Cohorts
Notice bibliographique
Résumé
BACKGROUND: Patients with early psychosis (EP) (within 3 years after psychosis onset) show significant variability, which makes predicting outcomes challenging. Currently, little evidence exists for stable relationships between neural microstructural properties and symptom profiles across EP diagnoses, which limits the development of early interventions. METHODS: A data-driven approach, partial least squares correlation, was used across 2 independent datasets to examine multivariate relationships between white matter properties and symptomatology and to identify stable and generalizable signatures in EP. The primary cohort included patients with EP from the Human Connectome Project for Early Psychosis (n = 124). The replication cohort included patients with EP from the Feinstein Institute for Medical Research (n = 78) as part of the MEND (Multimodal Evaluation of Neural Disorders) Project. Both samples included individuals with schizophrenia, schizoaffective disorder, and psychotic mood disorders. RESULTS: In both cohorts, a significant latent component corresponded to a symptom profile that combined negative symptoms, primarily diminished expression, with specific somatic symptoms. Both latent components captured comprehensive features of white matter disruption, primarily a combination of subcortical and frontal association fibers. Strikingly, the partial least squares model trained on the primary cohort accurately predicted microstructural features and symptoms in the replication cohort. Findings were not driven by diagnosis, medication, or substance use. CONCLUSIONS: This data-driven transdiagnostic approach revealed a stable and replicable neurobiological signature of microstructural white matter alterations in EP across diagnoses and datasets, showing strong covariance of these alterations with a unique profile of negative and somatic symptoms. These findings suggest the clinical utility of applying data-driven approaches to reveal symptom domains that share neurobiological underpinnings.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».