A study on electroretinography as a biomarker for seasonal vulnerability in depression
Notice bibliographique
Résumé
Depressive disorders involve disruptions in light signal processing. Seasonal Affective Disorder (SAD) has been linked to abnormalities in phototransduction, including impaired retinal responses and sleep disturbances. Similar retinal anomalies have been observed in Major Depressive Episode (MDE) patients without seasonal pattern. However, no study has directly compared light-signaling biomarkers between SAD and non-seasonal MDE using sleep assessments and electroretinography (ERG) measures. This study aims to develop a model combining clinical and ERG markers to predict seasonality in MDE patients. Patients with MDE (N = 320) were classified based on their vulnerability to seasonality using the Global Seasonality Score (GSS) from the Seasonal Pattern Assessment Questionnaire (SPAQ), with a threshold of ≥ 11 indicating seasonal vulnerability. This dimensional approach provides a more nuanced reflection of underlying pathophysiological mechanisms than the categorical DSM-5-TR classification of SAD. Subjective sleep, psychiatric, and ERG biomarkers were analyzed. Significant variables were entered into a Backward Stepwise Logistic Regression (N = 35, subset of participants who had all available data including ERG measures), and model performance was assessed using sensitivity, specificity, accuracy, AUC, ROC curve, and Youden's index. The model retained six predictors: reduced bipolar cell amplitude (rods), increased cone response amplitude at 7 cd·s⁻¹·m⁻², increased daytime sleepiness, higher depression severity, younger age, and female gender. It demonstrated good discriminative power (AUC = 0.861, sensitivity = 0.905, specificity = 0.714, Youden's index = 0.619). The model effectively distinguishes seasonal from non-seasonal MDE, explaining 30.5% of the variance. ERG is a promising tool for identifying biomarkers of Seasonal Vulnerability in depression. Enhancing predictive approaches with multimodal diagnostic and longitudinal data could further improve early detection and personalized 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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».