Les déficits cognitifs peuvent-ils aider à distinguer un trouble psychotique avec toxicomanie dâune psychose induite par consommation de méthamphétamines?
Bibliographic record
Abstract
Introduction – Dissocié un trouble psychiatrique primaire (TPP) concomitant à un problème d’abus de substances d’une psychose induite par consommation de substance (PICS) peut être une tâche difficile puisque plusieurs symptômes sont similaires. La dichotomie entre les symptômes négatifs et les symptômes positifs de la schizophrénie a été suggéré comme étant un indicateur puisque les symptômes négatifs ne sont pas caractéristiques d’un double diagnostic (Potvin, Sepehry, & Stip, 2006). Objectif – Cette étude explore la possibilité de distinguer des sous-groupes au sein de notre échantillon en utilisant le fonctionnement cognitif en vue d’identifier des facteurs qui permettraient un meilleur défférentiel entre un TPP concomitant à un problème d’abus de substance d’une psychose induite par consommation de méthamphétamines (MA). L’hypothèse stipule que les individus avec un TPP présenteraient des déficits cognitifs différents comparativement aux individus avec une PICS. Méthode – Les données utilisés font parties d’une étude longitudinale qui s’est déroulée à Vancouver, CB, Canada. 172 utilsateurs de MA et présentant une psychose ont été recruté. L’utilisation de substances, la sévérité des symptômes et des déficits cognitifs ont été évalué. Résultats – Des analyses par regroupement ont révélé deux profiles: les individus du Groupe 1 ont une performance inférieure au score total du Gambling task (M=-28,1) ainsi qu’un pourcentage de rétention inférieur au Hopkins Verbal Learning Test – Revised (HVLT- R; M=63) comparativement à ceux du Groupe 2. Les individus du Groupe 1 ont plus de symptômes négatifs, t=2,29, p<0.05 et ont plus tendance à avoir reçu un diagnostic psychiatrique, X2(3) = 16.26, p< 0.001. Conclusion – Les résultats suggèrent que des\nfacteurs cognitifs pourraient aider à identifier un TPP concomitant à l’abus de MA.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".