Parsing the heterogeneity of depression: a data-driven subgroup derived from cognitive function
Notice bibliographique
Résumé
Background: Increasing evidences suggests that depression is a heterogeneous clinical syndrome. Cognitive deficits in depression are associated with poor psychosocial functioning and worse response to conventional antidepressants. However, a consistent profile of neurocognitive abnormalities in depression remains unclear. Objective: We used data-driven parsing of cognitive performance to reveal subgroups present across depressed individuals and then investigate the change pattern of cognitive subgroups across the course in follow-up. Method: We assessed cognition in 163 patients with depression using The Chinese Brief Cognitive Test(C-BCT) and the scores were compared with those of 196 healthy controls (HCs). 58 patients were reassessed after 8 weeks. We used K-means cluster analysis to identify cognitive subgroups, and compared clinical variables among these subgroups. A linear mixed-effects model, incorporating time and group (with interaction term: time × group) as fixed effects, was used to assess cognitive changes over time. Stepwise logistic regression analysis was conducted to identify risk factors associated with these subgroups. Results: Two distinct neurocognitive subgroups were identified: (1) a cognitive-impaired subgroup with global impairment across all domains assessed by the C-BCT, and (2) a cognitive-preserved subgroup, exhibited intact cognitive function, with performance well within the healthy range. The cognitive-impaired subgroup presented with more severe baseline symptoms, including depressed mood, guilt, suicidality, and poorer work performance. Significant group × time interactions were observed in the Trail Making Test Part A (TMT-A) and Continuous Performance Test (CPT), but not in Symbol Coding or Digit Span tests. Despite partial improvement in TMT-A and CPT tests, the cognitive-impaired subgroup's scores remained lower than those of the cognitive-preserved subgroup across all tests at the study endpoint. Multiple regression analysis indicated that longer illness duration, lower educational levels, and antipsychotic medication use may be risk factors for cognitive impairment. Conclusion: This study identifies distinguishable cognitive subgroups in acute depression, thereby confirming the presence of cognitive heterogeneity. The cognitive-impaired subgroup exhibits distinct symptoms and persistent cognitive deficits even after treatment. Screening for cognitive dysfunction may facilitate more targeted interventions. Clinical Trial Registration: https://www.chictr.org, identifier ChiCTR2400092796.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».