Day-to-day variability in activity levels detects transitions to depressive symptoms in bipolar disorder earlier than changes in sleep and mood
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Anticipating clinical transitions in bipolar disorder (BD) is essential for the development of clinically actionable predictions. Our aim was to determine what is the earliest indicator of the onset of depressive symptoms in BD. We hypothesized that changes in activity would be the earliest indicator of future depressive symptoms. The study was a prospective, observational, contactless study. Participants were 127 outpatients with a primary diagnosis of BD, followed up for 12.6 (5.7) [(mean (SD)] months. They wore a smart ring continuously, which monitored their daily activity and sleep parameters. Participants were also asked to complete weekly self-ratings using the Patient Health Questionnaire (PHQ-9) and Altman Self-Rating Mania Scale (ASRS) scales. Primary outcome measures were depressive symptom onset detection metrics (i.e., accuracy, sensitivity, and specificity); and detection delay (in days), compared between self-rating scales and wearable data. Depressive symptoms were labeled as two or more consecutive weeks of total PHQ-9 > 10, and data-driven symptom onsets were detected using time-frequency spectral derivative spike detection (TF-SD 2 ). Our results showed that day-to-day variability in the number of steps anticipated the onset of depressive symptoms 7.0 (9.0) (median (IQR)) days before they occurred, significantly earlier than the early prediction window provided by deep sleep duration (median (IQR), 4.0 (5.0) days; p <.05). Taken together, our results demonstrate that changes in activity were the earliest indicator of depressive symptoms in participants with BD. Transition to dynamic representations of behavioral phenomena in psychiatry may facilitate episode forecasting and individualized preventive interventions.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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) | 0,000 | 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 découle