Functional phenotypes in schizophrenia spectrum disorders: defining the constructs and identifying biopsychosocial correlates using data-driven methods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Functional impairments contribute to poor quality of life in schizophrenia spectrum disorders (SSD). We sought to (Objective I) define the main functional phenotypes in SSD, then (Objective II) identify key biopsychosocial correlates, emphasizing interpretable data-driven methods. Objective I was tested on independent samples: Dataset I (N = 282) and Dataset II (N = 317), with SSD participants who underwent assessment of multiple functioning areas. Participants were clustered based on functioning. Objective II was evaluated in Dataset I by identifying key features for classifying functional phenotype clusters from among 65 sociodemographic, psychological, clinical, cognitive, and brain volume measures. Findings were replicated across latent discriminant analyses (LDA) and one-vs.-rest binomial regularized regressions to identify key predictors. We identified three clusters of participants in each dataset, demonstrating replicable functional phenotypes: Cluster 1-poor functioning across domains; Cluster 2-impaired Role Functioning, but partially preserved Independent and Social Functioning; Cluster 3-good functioning across domains. Key correlates were Avolition, anhedonia, left hippocampal volume, and measures of emotional intelligence and subjective social experience. Avolition appeared more closely tied to role functioning, and anhedonia to independent and social functioning. Thus, we found three replicable functional phenotypes with evidence that recovery may not be uniform across domains. Avolition and anhedonia were both critical but played different roles for different functional domains. It may be important to identify critical functional areas for individual patients and target interventions accordingly.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
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 découle