Prévalence des comorbidités physiques et de la multimorbidité dans le trouble de la personnalité limite : facteurs de risque et comparaisons avec la schizophrénie et les témoins sains
Notice bibliographique
Résumé
Introduction Le trouble de la personnalité limite (TPL) se caractérise par une instabilité émotionnelle, une instabilité relationnelle, une altération du contrôle des impulsions et une image de soi fluctuante. Afin de réduire la mortalité et la morbidité associées à ce trouble, les recherches cliniques des dernières décennies se sont principalement concentrées sur la prévention du suicide et de l’autoagressivité. Bien que le suicide constitue un facteur majeur de mortalité, la multimorbidité et les maladies chroniques contribuent également à la réduction de l’espérance de vie. Bien que cela soit désormais bien établi, la compréhension des mécanismes sous-jacents — tels que les facteurs liés au mode de vie et l’impulsivité — demeure incomplète. Par conséquent, les outils actuellement à la disposition des cliniciens pour améliorer les résultats dans ce domaine restent limités. Objectif Comparer la multimorbidité et les maladies chroniques physiques parmi les individus avec TPL, schizophrénie et en bonne santé contrôles, en tenant compte des facteurs démographiques. Identifier les facteurs de risque de développement de maladie chronique (par exemple, impulsivité, troubles de sommeil, consommation d’alcool, consommation de tabac) dans les individus avec TPL, schizophrénie et contrôles. Méthode Cette étude a analysé les données de la base de données Signature, gérée par le Centre de Recherche de l’Institut de Santé Mentale de Montréal (CRIUSMM). L’échantillon se compose de 590 participants : 158 avec TPL, 283 avec schizophrénie et 149 contrôles. Les conditions chroniques ont été évaluées en utilisant le questionnaire de l’Enquête sur la santé dans les collectivités canadiennes (ESCC) et les facteurs de risque ont été évalués en utilisant des instruments tels que l’AUDIT-10 pour la consommation d’alcool, le SHQ pour les habitudes de sommeil, l’UPPS-P pour l’impulsivité et un questionnaire sur la consommation de tabac. Les analyses statistiques incluent l’ANOVA et la régression linéaire multiple pour déterminer la relation entre facteurs de risque et scores de santé physique. Résultats Le groupe BPD était composé de 70,9 % de femmes, le groupe schizophrénie de 78,4 % d’hommes, et le groupe témoin de 53 % de femmes. Les participants atteints de TPL avaient le taux le plus élevé de multimorbidité (49,4 %) et un OR de 4,3 (IC à 95 % : 2,60 -7,26, p < 0,001) par rapport au groupe témoin, tandis que la schizophrénie avait un OR de 2,42 (IC à 95 % : 1,53 -3,91, p < 0,001). La régression linéaire multiple a montré qu’une latence d’endormissement plus longue, une plus grande impulsivité (urgence négative) et l’âge étaient associés à un nombre accru de maladies chroniques (latence d’endormissement : coefficient = 0,0063, p < 0,001 ; impulsivité : coefficient = 0,0978, p = 0,002 ; âge : coefficient = 0,0320, p < 0,001), tandis que le fait de ne pas fumer réduisait la probabilité de maladies chroniques. Conclusion Les résultats suggèrent que les individus atteints de TPL et schizophrénie subissent un fardeau de maladies chroniques plus élevé que le groupe témoin. L’âge, le tabac, le sommeil et l’impulsivité jouent un rôle cumulatif dans le nombre de maladies chroniques. Ces résultats soulignent la nécessité de stratégies de soins de santé ciblées pour traiter les comorbidités dans ces populations.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».