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
Bibliographic record
Abstract
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.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".