Prédiction de troubles psychiatriques à partir des trajectoires neuro-développementales et des déterminants génétiques chez les enfants génétiquement à risque
Bibliographic record
Abstract
La schizophrénie et le trouble bipolaire sont les troubles psychiatriques majeurs pesant colossalement en termes économique, social ainsi qu’humain, menant généralement à une marginalisation de la population affectée, notamment en absence d’intervention psychosociale et familiale. Ce mémoire se consacre à l’étude et prédiction de ces troubles à partir des trajectoires neuro-développementales et des déterminants génétiques, du sexe et du trauma chez les enfants génétiquement à risque étant nés d’un parent affecté par ces maladies. Il s’inscrit dans le cadre de développer un outil prédictif impliquant des scores de risque génétique et des indicateurs de risque, pouvant être utile spécifiquement dans le cadre des cliniques de soins primaires en permettant essentiellement de distinguer la progéniture la plus à risque de celle à faible risque de transition ultérieure vers les troubles en question. Le recours aux modèles mixtes linéaires à classes latentes (JLCM) a permis la modélisation conjointe multivariée de l’évolution dans le temps des indicateurs de quatre domaines cognitifs, à savoir mémoire épisodique, mémoire de travail, vitesse de traitement et fonction exécutive ainsi que de l’événement clinique du diagnostic de la schizophrénie ou du trouble bipolaire pour l’étude d’un échantillon de 67 enfants de la population de l’Est du Québec à stratifier et ce, après avoir présenté leur fondement mathématique théoriquement et examiné leur identifiabilité empiriquement.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".