A 10-Year Longitudinal Study of Brain Cortical Thickness in People with First-Episode Psychosis Using Normative Models
Notice bibliographique
Résumé
BACKGROUND: Clinical forecasting models have potential to optimize treatment and improve outcomes in psychosis, but predicting long-term outcomes is challenging and long-term follow-up data are scarce. In this 10-year longitudinal study, we aimed to characterize the temporal evolution of cortical correlates of psychosis and their associations with symptoms. DESIGN: Structural magnetic resonance imaging (MRI) from people with first-episode psychosis and controls (n = 79 and 218) were obtained at enrollment, after 12 months (n = 67 and 197), and 10 years (n = 23 and 77), within the Thematically Organized Psychosis (TOP) study. Normative models for cortical thickness estimated on public MRI datasets (n = 42 983) were applied to TOP data to obtain deviation scores for each region and timepoint. Positive and Negative Syndrome Scale (PANSS) scores were acquired at each timepoint along with registry data. Linear mixed effects models assessed effects of diagnosis, time, and their interactions on cortical deviations plus associations with symptoms. RESULTS: LMEs revealed conditional main effects of diagnosis and time × diagnosis interactions in a distributed cortical network, where negative deviations in patients attenuate over time. In patients, symptoms also attenuate over time. LMEs revealed effects of anterior cingulate on PANSS total, and insular and orbitofrontal regions on PANSS negative scores. CONCLUSIONS: This long-term longitudinal study revealed a distributed pattern of cortical differences which attenuated over time together with a reduction in symptoms. These findings are not in line with a simple neurodegenerative account of schizophrenia, and deviations from normative models offer a promising avenue to develop biomarkers to track clinical trajectories over time.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 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 ».