Development and validation of a prognostic model and risk calculator for the estimation of bipolar-spectrum disorder risk in hospitalised adolescents with non-psychotic/non-bipolar mental disorders
Notice bibliographique
Résumé
We aimed to develop and validate a risk estimation model for developing bipolar-spectrum disorders (BSD) in psychiatrically hospitalized adolescents based on clinical characteristics, including putatively prodromal symptoms. Adolescent inpatients (ages = 12-18 years) with non-psychotic/non-BSD diagnoses were recruited for the Adolescent Mood Disorder and Psychosis Study (AMDPS), a longitudinal, prospective 5-year follow-up cohort. We assessed prevalence and severity of syndromal/subsyndromal psychopathology at baseline using the validated Bipolar Prodrome Symptom Interview and Scale-Prospective. We carried out machine learning analyses (Lasso-Cox regression analyses, LCR) to create a calculator to estimate the risk of developing BSD based on baseline demographic/comorbidity/illness/treatment characteristics. Of 105 adolescents (age = 15.6 ± 1.3 years, females = 72.4%), we observed that 18 developed BSD. The cumulated estimated risk of BSD was 5/22/29/36% at 1/2/3/4 years. BSD development was associated with presence of persistent depressive disorder (HR = 4.0, p < 0.018) at baseline, treatment with mood stabilizers (hazard ratio (HR) = 3.9, p = 0.006), and ADHD medications (HR = 3.3, p = 0.023). BSD development risk estimation calculator included the prevalence of inflated self-esteem/grandiosity (β = 0.83) and racing thoughts (β = 0.08) and the severity of overtalkativeness (β = 0.03) and increased energy (β = 0.04). For predicting BSD onset within the first 20 months, the area under the receiver operating characteristic curve (AUC) indicated acceptable to strong discrimination (cross-validation AUC = 0.72; bootstrap out-of-bag validation AUC = 0.86). Codes used in this study are provided in the R package "easy.glmnet". In conclusion, in this prognostic model/calculator, presence and severity of subthreshold (hypo)mania-like symptoms conferred increased risk of BSD development in youth, informing preventive efforts to identify individuals at risk for BSD and improve their outcomes.
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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 ».