Symptom Network Analysis in a Large Sample of Children and Adults with a Chronic Tic Disorder
Notice bibliographique
Résumé
BACKGROUND: Chronic tic disorders (CTD) are multifaceted disorders characterized by multiple motor and/or vocal tics. They are often associated with complex tics including echophenomena, paliphenomena, and coprophenomena as well as psychiatric comorbidities such as attention deficit/hyperactivity disorder (ADHD) and obsessive-compulsive disorder (OCD). OBJECTIVES: Our goal was to uncover the inter-relational structure of CTD and comorbid symptoms in children and adults and to understand changes in symptom structure across development. METHODS: We used network and graph analyses to uncover the structure of association of symptoms in childhood/adolescence (n = 529) and adulthood (n = 503) and how this structure might change from childhood to adulthood, pinpointing core symptoms as a main target for interventions. RESULTS: The analysis yielded core symptom networks in young and adult patients with CTD including complex tics and tic-related phenomena as well as touching people and objects. Core symptoms in childhood also included ADHD symptoms, whereas core symptoms in adults included symptoms of OCD instead. Interestingly, self-injurious behavior did not play a core role in the young CTD network, but became one of the central symptoms in adults with CDT. In addition, we found strong connections between complex motor and vocal tics as well as echolalia and echopraxia. CONCLUSIONS: Next to other complex tics, echophenomena, paliphenomena, and coprophenomena can be regarded core symptoms of CTD. ADHD symptoms are closely related to CTD in childhood, whereas symptoms of OCD and self-injurious behavior are closely associated with CTD in adults. Our results suggest that a differentiation between motor and vocal tics is somewhat arbitrary.
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 | 0,003 | 0,001 |
| 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) | 0,001 | 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 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 ».