Diagnostic classification systems for disorders of gut‐brain interaction should include psychological symptoms
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The group of disorders known as Disorders of Gut Brain Interaction (DGBI) were originally labeled functional GI disorders and were thought to be disorders of the gastrointestinal tract that had several psychological conditions as comorbidities. Despite mounting evidence that psychological morbidity plays an innate role in the etiology and maintenance of DGBI, none of the Rome IV criteria include any measure of psychological symptoms. This study tested the hypothesis that individuals would cluster differently if GI symptoms alone were considered versus GI symptoms combined with measures of psychological symptoms. METHODS: Data were obtained from the Rome Foundation Global Epidemiology Study measuring Rome IV GI symptoms, psychological measures and demographic characteristics. Latent profile models were used to cluster individuals based on (i) GI symptoms only (GI only) and then (ii) GI and psychological measures (GI + Psych). KEY RESULTS: Individuals clustering into the same group of individuals whether formed via GI only or GI + Psych, ranged from 96% for a 2-class solution (the most simplistic) to 76% with 6 classes (the parsimonious system) and 59% with twenty-two classes (mimicking Rome IV). The generalisability of this finding between six geographic regions was confirmed with agreement varying between 95%-97% for 2 clusters and 71-79% for 6 classes and 51%-63% for 22 classes. These findings were also consistent between DGBI (range 94% with 2 classes to 50% with 22 classes) and non-DGBI (range 97% with 2 clusters to 65% with 22 classes) groups. CONCLUSIONS & INFERENCES: Our data suggest that considering psychological as well as gastrointestinal symptoms would lead to a different clustering of individuals in more complex, and accurate, classification systems. For this reason, future work on DGBI classification should consider inclusion of psychological traits.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».