Rest-Activity Rhythms During Clinical Episodes of Bipolar Disorder: Disruptions in Mean Levels, Temporal Variability, and Multivariate Structure
Notice bibliographique
Résumé
Mood episodes in bipolar disorders (BD) are typically associated with changes in sleep and activity patterns. In this study, we present a novel correlation-based approach to examine the structure of relationships between actigraphy-derived variables and clinical status in individuals with BD. Using a large-scale longitudinal study spanning over 2 years of actigraphic recordings from 115 patients with bipolar disorder (BD), we compared three aggregation approaches: mean values, temporal variability, and inter-feature correlation structure, to classify mood states in a strict validation scenario and predict future episodes. Two binary classification subsets (mania–remission and depression–remission) were constructed based on automatically classified labels using clinician-rated scales (Montgomery-Åsberg Depression Rating Scale and Young Mania Rating Scale) and weekly self-assessments. Support Vector Machine models with Radial Basis Function kernels were trained using 7-day windows and forward feature selection in a nested 5-fold cross-validation setup. The classification model achieved statistically significant balanced accuracy: 58% (p < 0.05) for mania–remission and 59% (p < 0.001) for depression–remission. For mania, the most predictive aggregates were shorter mean sleep duration and deviations in 10-hour peak activity across different weeks, while for depression, increased inter-daily variability and intra-daily activity fluctuations emerged as key indicators. The models differentiated future episodes from remission solely from actigraphy data with above-chance accuracy, revealing distinct behavioral signatures for mania and depression. While structural changes in correlation patterns between features differed across mood states, they did not outperform mean or variability-based metrics in classification performance. However, modest classification performance and high inter-individual variability suggest that personalized modeling approaches may be essential for clinically meaningful prediction. Notably, inter- and intra-weekly feature changes provided the strongest predictive signals, suggesting that straightforward alterations in rest-activity rhythms may better reflect clinical episodes than more complex structural metrics.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».