Individualized pretest risk estimates to guide treatment decisions in patients with clinical high risk for psychotic disorders
Notice bibliographique
Résumé
INTRODUCTION: Clinical high risk for psychosis (CHR) states are associated with an increased risk of transition to psychosis. However, the predictive value of CHR screening interviews is dependent on pretest risk enrichment in referred patients. This poses a major obstacle to CHR outreach campaigns since they invariably lead to risk dilution through enhanced awareness. A potential compensatory strategy is to use estimates of individual pretest risk as a 'gatekeeper' for specialized assessment. We aimed to test a risk stratification model previously developed in London, UK (OASIS) and to train a new predictive model for the Swiss population. METHOD: The sample was composed of 513 individuals referred for CHR assessment from six Swiss early psychosis detection services. Sociodemographic variables available at referral were used as predictors whereas the outcome variable was transition to psychosis. RESULTS: Replication of the risk stratification model developed in OASIS resulted in poor performance (Harrel's c=0.51). Retraining resulted in moderate discrimination (Harrel's c=0.67) which significantly differentiated between different risk groups. The lowest risk group had a cumulative transition incidence of 6.4% (CI: 0-23.1%) over two years. CONCLUSION: Failure to replicate the OASIS risk stratification model might reflect differences in the public health care systems and referral structures between Switzerland and London. Retraining resulted in a model with adequate discrimination performance. The developed model in combination with CHR assessment result, might be useful for identifying individuals with high pretest risk, who might benefit most from specialized intervention.
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 | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».