Prediction of medical admissions after psychiatric inpatient hospitalization in bipolar disorder: a retrospective cohort study
Notice bibliographique
Résumé
Objective: Bipolar Disorder (BD) is a severe mental illness associated with high rates of general medical comorbidity, reduced life expectancy, and premature mortality. Although BD has been associated with high medical hospitalization, the factors that contribute to this risk remain largely unexplored. We used baseline medical and psychiatric records to develop a supervised machine learning model to predict general medical admissions after discharge from psychiatric hospitalization. Methods: In this retrospective three-year cohort study of 71 patients diagnosed with BD (mean age=52.19 years, females=56.33%), lasso regression models combining medical and psychiatric records, as well as those using them separately, were fitted and their predictive power was estimated using a leave-one-out cross-validation procedure. Results: The proportion of medical admissions in patients with BD was higher compared with age- and sex-matched hospitalizations in the same region (25.4% vs. 8.48%). The lasso model fairly accurately predicted the outcome (area under the curve [AUC]=69.5%, 95%C.I.=55-84.1; sensitivity=61.1%, specificity=75.5%, balanced accuracy=68.3%). Notably, pre-existing cardiovascular, neurological, or osteomuscular diseases collectively accounted for more than 90% of the influence on the model. The accuracy of the model based on medical records was slightly inferior (AUC=68.7%, 95%C.I. = 54.6-82.9), while that of the model based on psychiatric records only was below chance (AUC=61.8%, 95%C.I.=46.2-77.4). Conclusion: Our findings support the need to monitor medical comorbidities during clinical decision-making to tailor and implement effective preventive measures in people with BD. Further research with larger sample sizes and prospective cohorts is warranted to replicate these findings and validate the predictive model.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».