CN113380415A - 一种酒精使用障碍临床预后不良预测模型及其构建方法 - Google Patents
一种酒精使用障碍临床预后不良预测模型及其构建方法 Download PDFInfo
- Publication number
- CN113380415A CN113380415A CN202110553512.0A CN202110553512A CN113380415A CN 113380415 A CN113380415 A CN 113380415A CN 202110553512 A CN202110553512 A CN 202110553512A CN 113380415 A CN113380415 A CN 113380415A
- Authority
- CN
- China
- Prior art keywords
- score
- treatment
- alcohol use
- clinical prognosis
- prognosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004393 prognosis Methods 0.000 title claims abstract description 69
- 208000007848 Alcoholism Diseases 0.000 title claims abstract description 53
- 208000025746 alcohol use disease Diseases 0.000 title claims abstract description 45
- 238000010276 construction Methods 0.000 title abstract description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 5
- 230000009467 reduction Effects 0.000 claims description 18
- 238000012550 audit Methods 0.000 claims description 17
- 208000024891 symptom Diseases 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000003920 cognitive function Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 7
- 238000002203 pretreatment Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 5
- 239000003550 marker Substances 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000035622 drinking Effects 0.000 description 10
- 208000019901 Anxiety disease Diseases 0.000 description 3
- 230000036506 anxiety Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 201000007930 alcohol dependence Diseases 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 208000020401 Depressive disease Diseases 0.000 description 1
- 206010061819 Disease recurrence Diseases 0.000 description 1
- 208000027534 Emotional disease Diseases 0.000 description 1
- 208000028505 alcohol-related disease Diseases 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 208000037870 generalized anxiety Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010202 multivariate logistic regression analysis Methods 0.000 description 1
- 238000007427 paired t-test Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 201000009032 substance abuse Diseases 0.000 description 1
- 231100000736 substance abuse Toxicity 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种酒精使用障碍临床预后不良预测模型及其构建方法。本发明主要是根据心理评估指标、电生理标志物的预测价值来建立酒精使用障碍临床预后不良预测模型。采用本发明构建的酒精使用障碍临床预后不良预测模型可达到早期筛选预后不良患者的临床目标,用于判断酒精使用障碍的临床预后,使早期预测预后并早期及时干预、改善预后成为可能,具有重要的临床意义。
Description
技术领域
本发明属于医学技术领域,具体涉及一种酒精使用障碍临床预后不良预测模型及其构建方法。
背景技术
酒精使用障碍是目前严重的精神障碍之一,也是严重的公共卫生问题。据2019年的流行病学调查显示,我国酒精使用障碍的终身患病率为4.4%,已成为我国最普遍的物质滥用。
目前对于酒精使用障碍的治疗手段不多,治疗效果欠佳,对其临床预后的评估更缺乏相应的方法和标准,因此也影响了对该病临床治疗效果的客观评价。
在临床研究中,已经发现该病患者除了有酒精使用的异常行为外,还存在一定的认知功能缺陷、电生理指标的异常、负面情绪问题等,因此,研究进一步提出,可以使用部分电生理指标如P300的异常等作为评估酒精使用障碍的潜在内源性指标,甚至是疾病复发的生物学标记。然而,至今还没有深入研究来探讨具体的临床预后评估方法,更缺乏相应的指标体系来***评价酒精使用障碍的临床预后。
发明内容
本发明的目的是为了克服现有技术中的缺陷,提供一种酒精使用障碍临床预后不良预测模型及其构建方法。
本发明的第一个目的是提供一种酒精使用障碍临床预后不良预测模型,所述的预测模型方程为:预测因子总分=第一预测因子分+第二预测因子分,其中,第一预测因子分=治疗后事件相关电位P300在Pz点的波幅×88.9/550nV,第二预测因子分=治疗前与治疗后的PSQI得分减分率×85.3/35.71%。
本发明的第二个目的是提供一种酒精使用障碍临床预后不良预测模型的构建方法,包括以下步骤:
(1)收集酒精使用障碍患者治疗前后的个体因素数据、心理因素数据和认知功能因素数据,个体因素数据包括日饮酒剂量,心理因素数据包括AUDIT得分、PHQ-9得分、GAD-7得分和PSQI得分,认知功能因素数据包括DSST得分和事件相关电位P300在Fz、Cz和Pz点的潜伏期、波幅;
(2)以治疗前与治疗后的AUDIT得分减分率≥20%将患者分为2组:治疗前与治疗后的AUDIT得分减分率≥20%的患者为临床症状持续稳定好转组,治疗前与治疗后的AUDIT得分减分率<20%的患者为临床预后不良组;
(3)对临床症状持续稳定好转组和临床预后不良组的治疗后各因素数据、治疗前与治疗后各因素数据差值、治疗前与治疗后各因素数据减分率进行组间配对T检验、Wilcoxon秩和检验统计学分析,筛选出与酒精使用障碍临床预后不良显著相关的评价指标,采用多元Logistic回归分析,建立Logistic回归模型,根据显著性大小,确定酒精使用障碍临床预后不良显著相关的标志物,所述的标志物为治疗后事件相关电位P300在Pz点的波幅、治疗前与治疗后的PSQI得分减分率;根据标志物的预测价值建立酒精使用障碍临床预后不良预测模型。
优选,所述的酒精使用障碍临床预后不良预测模型的方程为:预测因子总分=第一预测因子分+第二预测因子分,其中,第一预测因子分=治疗后事件相关电位P300在Pz点的波幅×88.9/550nV,第二预测因子分=治疗前与治疗后的PSQI得分减分率×85.3/35.71%。
优选,所述的酒精使用障碍临床预后不良预测模型的判别方法:若预测因子总分为0分,对应酒精使用障碍患者经过治疗后临床预后不良发生的概率为100%,若预测因子总分为174.2分,对应酒精使用障碍患者经过治疗后临床预后不良发生的概率为0%,若预测因子总分>174.2分,对应酒精使用障碍患者经过治疗后临床预后良好。
本发明主要是根据心理评估指标、电生理标志物的预测价值来建立酒精使用障碍临床预后不良预测模型。采用本发明构建的酒精使用障碍临床预后不良预测模型可达到早期筛选预后不良患者的临床目标,用于判断酒精使用障碍的临床预后,使早期预测预后并早期及时干预、改善预后成为可能,具有重要的临床意义。
具体实施方式
为更好的说明本发明的目的、技术方案和优点,下面结合具体实施例对本发明作进一步说明,而不是对本发明的限制。
实施例1
酒精使用障碍临床预后不良预测模型的构建方法,包括以下步骤:
(1)入组148例酒精使用障碍患者和96例正常对照人群,收集个体因素数据包括性别、年龄、受教育水平、日饮酒剂量、饮酒时限,以受试者AUDIT(酒精使用障碍筛查量表)得分、PHQ-9(患者健康问卷)得分、GAD-7(广泛性焦虑量表)得分、PSQI(匹茨堡睡眠质量指数量表)得分分别作为酒精使用严重程度、抑郁、焦虑、睡眠症状的心理因素数据,以受试者DSST(数字符号替换测试)得分、事件相关电位P300在Fz、Cz和Pz点的潜伏期、波幅资料作为认知功能因素数据。
148例酒精使用障碍患者给予8周药物治疗,并以治疗前与治疗后的AUDIT得分减分率≥20%将患者分为2组:治疗前与治疗后的AUDIT得分减分率≥20%者为临床症状持续稳定好转组(34例),治疗前与治疗后的AUDIT得分减分率<20%者为临床预后不良组(114例)。比较治疗前正常对照、临床症状持续稳定好转、临床预后不良组之间的上述因素数据(见表1)。表2为治疗后临床症状持续稳定好转、临床预后不良组的各因素数据。治疗前与治疗后的AUDIT得分减分率=(治疗前AUDIT得分–治疗后AUDIT得分)/治疗前AUDIT得分×100%。
表1治疗前正常对照、临床预后不良组、临床症状持续稳定好转组的各因素数据
表2治疗后临床预后不良组、临床症状持续稳定好转组的各因素数据
(2)对上述两组酒精使用障碍患者(临床症状持续稳定好转组、临床预后不良组)在经过8周治疗后各因素数据、治疗前与治疗后各因素数据差值、治疗前与治疗后各因素数据减分率进行配对T检验、Wilcoxon秩和检验统计学分析,筛选出与酒精使用障碍临床预后不良显著相关的评价指标(差异显著),所述的评价指标包括治疗后的日饮酒剂量(g/day)、治疗前与治疗后的AUDIT得分减分率、PHQ-9得分减分率、GAD-7得分减分率、PSQI得分减分率、DSST得分减分率、治疗后事件相关电位P300在Fz、Cz和Pz点的潜伏期、波幅(见表3)。
表3与酒精使用障碍临床预后不良显著相关的评价指标
注:治疗前与治疗后因素数据减分率=(治疗前因素数据–治疗后因素数据)/治疗前因素数据×100%
(3)根据筛选出的与酒精使用障碍预后不良显著相关的评价指标,采用多元Logistic回归分析,建立Logistic回归模型,根据显著性大小,确定酒精使用障碍临床预后不良显著相关的标志物(具体为:当评价指标的Sig值大于等于0.05时,认为评价指标不显著,当评价指标的Sig值小于0.05时,认为评价指标显著,表4),所述的标志物为治疗后事件相关电位P300在Pz点的波幅、治疗前与治疗后的PSQI得分减分率(治疗前与治疗后的PSQI得分减分率=(治疗前PSQI得分–治疗后PSQI得分)/治疗前PSQI得分×100%);根据标志物的预测价值建立酒精使用障碍临床预后不良预测模型,具体为:以治疗后事件相关电位P300在Pz点的波幅作为第一预测因子,第一预测因子分=治疗后事件相关电位P300在Pz点的波幅×88.9/550nV,以治疗前与治疗后的PSQI得分减分率为第二预测因子,第二预测因子分=治疗前与治疗后的PSQI得分减分率×85.3/35.71%,建立酒精使用障碍临床预后不良预测模型,模型方程为:预测因子总分=第一预测因子分+第二预测因子分,即预测因子总分=治疗后事件相关电位P300在Pz点的波幅×88.9/550nV+治疗前与治疗后的PSQI得分减分率×85.3/35.71%,根据预测模型方程计算得到的预测因子总分值判断酒精使用障碍临床预后不良发生的概率,分数越高,预后越好。
表4酒精使用障碍临床疗效的多元回归分析
评分标准
酒精使用障碍患者,经过治疗后事件相关电位P300在Pz点的波幅≤550nV分别对应第一预测因子分值0-88.9分,即治疗后事件相关电位P300在Pz点的波幅0nV-550nV对应0-88.9分(分数越高,预后越好);治疗前与治疗后的PSQI得分减分率≤35.71%分别对应第二预测因子分值0-85.3分,即治疗前与治疗后的PSQI得分减分率0%-35.71%对应0-85.3分(分数越高,预后越好);以上标志物的不同组合得到的预测因子总分0-174.2分(分数越高,预后越好),对应酒精使用障碍经过治疗后临床预后不良的发生概率为100~0%,其中,若预测因子总分为0分,对应酒精使用障碍患者经过治疗后临床预后不良发生的概率为100%,若预测因子总分为174.2分,对应酒精使用障碍患者经过治疗后临床预后不良发生的概率为0%,若预测因子总分>174.2分,对应酒精使用障碍患者经过治疗后临床预后良好。
验证病例(一)
男,37岁,未婚,长期饮酒20余年,每日饮酒量因太大而无法计算。曾在当地及省级精神病院诊断“酒精使用障碍,慢性酒依赖”后反复住院治疗,效果不好。入院后进行了疾病时间、日饮酒剂量、饮酒时限,经过56天治疗后的心理评估资料包括酒精使用严重程度、抑郁、焦虑、睡眠症状的心理评估资料,经过56天治疗后的认知功能评估资料,经过56天治疗后事件相关电位P300在Fz、Cz和Pz点的潜伏期、波幅。经过56天治疗后的事件相关电位P300在Pz点的波幅为310nV,第一预测因子分=310nV×88.9/550nV=50.1分,治疗前与治疗后的PSQI得分减分率为20%,第二预测因子分=20%×85.3/35.71%=47.8分,预测因子总分为97.9分,对应预测酒精使用障碍患者经过治疗后临床预后不良发生的概率为56.2%。该患者在随后的临床观察中,预后不好,酒精使用障碍一直未见好转。
验证病例(二)
男,34岁,已婚,长期饮酒10年,每日饮酒量约100ml,白酒。曾在省级精神病院诊断“抑郁发作,酒精使用障碍,慢性酒依赖”后住院治疗1次,睡眠有改善,但具体不详,其他治疗效果不好。入院后进行了疾病时间、日饮酒剂量、饮酒时限,经过56天治疗后的心理评估资料包括酒精使用严重程度、抑郁、焦虑、睡眠症状的心理评估资料,经过56天治疗后的认知功能评估资料,经过56天治疗后的事件相关电位P300在Fz、Cz和Pz点的潜伏期、波幅。经过56天治疗后的事件相关电位P300在Pz点的波幅为480nV,第一预测因子分=480nV×88.9/550nV=77.6分,治疗前与治疗后的PSQI得分减分率为31%,第二预测因子分=31%×85.3/35.71%=74分,预测因子总分为151.6分,对应预测酒精使用障碍患者经过治疗后临床预后不良发生的概率为13%。该患者在随后的临床观察中,预后较好,目前已经停止酒精的使用,能正常工作、生活。
Claims (4)
1.一种酒精使用障碍临床预后不良预测模型,其特征在于,所述的预测模型方程为:预测因子总分=第一预测因子分+第二预测因子分,其中,第一预测因子分=治疗后事件相关电位P300在Pz点的波幅×88.9/550nV,第二预测因子分=治疗前与治疗后的PSQI得分减分率×85.3/35.71%。
2.一种酒精使用障碍临床预后不良预测模型的构建方法,其特征在于,包括以下步骤:
(1)收集酒精使用障碍患者治疗前后的个体因素数据、心理因素数据和认知功能因素数据,个体因素数据包括日饮酒剂量,心理因素数据包括AUDIT得分、PHQ-9得分、GAD-7得分和PSQI得分,认知功能因素数据包括DSST得分和事件相关电位P300在Fz、Cz和Pz点的潜伏期、波幅;
(2)以治疗前与治疗后的AUDIT得分减分率≥20%将患者分为2组:治疗前与治疗后的AUDIT得分减分率≥20%的患者为临床症状持续稳定好转组,治疗前与治疗后的AUDIT得分减分率<20%的患者为临床预后不良组;
(3)对临床症状持续稳定好转组和临床预后不良组的治疗后各因素数据、治疗前与治疗后各因素数据差值、治疗前与治疗后各因素数据减分率进行组间配对T检验、Wilcoxon秩和检验统计学分析,筛选出与酒精使用障碍临床预后不良显著相关的评价指标,采用多元Logistic回归分析,建立Logistic回归模型,根据显著性大小,确定酒精使用障碍临床预后不良显著相关的标志物,所述的标志物为治疗后事件相关电位P300在Pz点的波幅、治疗前与治疗后的PSQI得分减分率;根据标志物的预测价值建立酒精使用障碍临床预后不良预测模型。
3.根据权利要求2所述的酒精使用障碍临床预后不良预测模型的构建方法,其特征在于,所述的酒精使用障碍临床预后不良预测模型的方程为:预测因子总分=第一预测因子分+第二预测因子分,其中,第一预测因子分=治疗后事件相关电位P300在Pz点的波幅×88.9/550nV,第二预测因子分=治疗前与治疗后的PSQI得分减分率×85.3/35.71%。
4.根据权利要求3所述的酒精使用障碍临床预后不良预测模型的构建方法,其特征在于,所述的酒精使用障碍临床预后不良预测模型的判别方法:若预测因子总分为0分,对应酒精使用障碍患者经过治疗后临床预后不良发生的概率为100%,若预测因子总分为174.2分,对应酒精使用障碍患者经过治疗后临床预后不良发生的概率为0%,若预测因子总分>174.2分,对应酒精使用障碍患者经过治疗后临床预后良好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110553512.0A CN113380415A (zh) | 2021-05-20 | 2021-05-20 | 一种酒精使用障碍临床预后不良预测模型及其构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110553512.0A CN113380415A (zh) | 2021-05-20 | 2021-05-20 | 一种酒精使用障碍临床预后不良预测模型及其构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113380415A true CN113380415A (zh) | 2021-09-10 |
Family
ID=77571428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110553512.0A Pending CN113380415A (zh) | 2021-05-20 | 2021-05-20 | 一种酒精使用障碍临床预后不良预测模型及其构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380415A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115104575A (zh) * | 2022-07-08 | 2022-09-27 | 华中科技大学 | 一种酒精性抑郁动物模型的建立方法及其应用 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107407682A (zh) * | 2015-04-10 | 2017-11-28 | 社会福祉法人恩赐财团济生会 | 判别肝疾病的病态的方法 |
CN110634573A (zh) * | 2019-09-27 | 2019-12-31 | 南昌大学第一附属医院 | 一种临床脑梗患者复发风险预警评分可视化模型***及其评价方法 |
CN111564214A (zh) * | 2019-02-14 | 2020-08-21 | 辽宁省肿瘤医院 | 一种基于7个特殊基因的乳腺癌预后评估模型的建立与验证方法 |
CN112185546A (zh) * | 2020-09-23 | 2021-01-05 | 山东大学第二医院 | 一种用于乳腺癌患者预后预测的模型及建立方法 |
-
2021
- 2021-05-20 CN CN202110553512.0A patent/CN113380415A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107407682A (zh) * | 2015-04-10 | 2017-11-28 | 社会福祉法人恩赐财团济生会 | 判别肝疾病的病态的方法 |
CN111564214A (zh) * | 2019-02-14 | 2020-08-21 | 辽宁省肿瘤医院 | 一种基于7个特殊基因的乳腺癌预后评估模型的建立与验证方法 |
CN110634573A (zh) * | 2019-09-27 | 2019-12-31 | 南昌大学第一附属医院 | 一种临床脑梗患者复发风险预警评分可视化模型***及其评价方法 |
CN112185546A (zh) * | 2020-09-23 | 2021-01-05 | 山东大学第二医院 | 一种用于乳腺癌患者预后预测的模型及建立方法 |
Non-Patent Citations (3)
Title |
---|
李欣潞 等: ""奥卡西平联合左乙拉西坦治疗成人颞叶癫痫患者认知功能障碍的疗效观察"", 《中国药房》 * |
申沧海 等: ""MRI T2WI量化指标评估胸椎黄韧带骨化症手术预后的价值"", 《中国组织工程研究》 * |
黎超荣 等: ""酒依赖患者行认知治疗对SCL-90评分与PSQI评分的影响效果"", 《职业与健康》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115104575A (zh) * | 2022-07-08 | 2022-09-27 | 华中科技大学 | 一种酒精性抑郁动物模型的建立方法及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Satterstrom et al. | Autism spectrum disorder and attention deficit hyperactivity disorder have a similar burden of rare protein-truncating variants | |
Barbu et al. | Epigenetic prediction of major depressive disorder | |
Tabet et al. | A framework to identify contributing genes in patients with Phelan-McDermid syndrome | |
Bolton et al. | Neuro‐epileptic determinants of autism spectrum disorders in tuberous sclerosis complex | |
García-Peña et al. | Late-life depressive symptoms: prediction models of change | |
Gasperi et al. | Genetic and environmental influences on sleep, pain, and depression symptoms in a community sample of twins | |
Cody et al. | Consequences of chromsome18q deletions | |
Backer | The symptom experience of patients with Parkinson's disease | |
Howard et al. | Cognitive profile and markers of Alzheimer disease–type pathology in patients with Lewy body dementias | |
Wang et al. | Gene mutational analysis in a cohort of Chinese children with unexplained epilepsy: Identification of a new KCND3 phenotype and novel genes causing Dravet syndrome | |
Zhang et al. | Serum total cholinesterase activity on admission is associated with disease severity and outcome in patients with traumatic brain injury | |
Wagle et al. | Association between ApoE ε4 and cognitive impairment after stroke | |
Feinstein et al. | Psychosis associated with demonstrable brain disease | |
Kim et al. | A quantitative association study of SLC25A12 and restricted repetitive behavior traits in autism spectrum disorders | |
Waszczuk et al. | Dimensional and transdiagnostic phenotypes in psychiatric genome-wide association studies | |
Lin et al. | Network modules linking expression and methylation in prefrontal cortex of schizophrenia | |
CN113380415A (zh) | 一种酒精使用障碍临床预后不良预测模型及其构建方法 | |
Alver et al. | Contribution of schizophrenia polygenic burden to longitudinal phenotypic variance in 22q11. 2 deletion syndrome | |
Fresán et al. | Temperament and character in violent schizophrenic patients | |
Crouse et al. | Schizophrenia polygenic risk scores in youth mental health: preliminary associations with diagnosis, clinical stage and functioning | |
Yang et al. | De novo CSNK2B mutations in five cases of Poirier–Bienvenu neurodevelopmental syndrome | |
CN112397200B (zh) | 一种非综合征型唇腭裂遗传风险预测模型 | |
Krug et al. | Genetic variation in the schizophrenia-risk gene neuregulin1 correlates with personality traits in healthy individuals | |
Bai | Epidemiological studies on frailty and its associations with mortality, dementia, and polypharmacy | |
Grant et al. | Differential associations of dopamine-related polymorphisms with discrete components of reaction time variability: Relevance for attention deficit/hyperactivity disorder |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210910 |